パラメータ lambda を推定する
動画では、対数リンク関数を用いることで、次の形のポアソン回帰モデルのパラメータにおける線形結合が得られることを学びました。
$$ log(\lambda)=\beta_0+\beta_1x_1 $$
lambda で表した応答関数を得るために、モデル関数を指数化すると次のようになります。
$$ \lambda=E(y)=exp(\beta_0 + \beta_1x_1) $$ $$ \lambda=E(y)=exp(\beta_0) \times exp(\beta_1x_1) $$
この演習では、ホースシュークラブ（カブトガニ）のデータを使って、メスの幅に対する平均 \(y\) の推定値を計算します。
データセット crab はワークスペースに事前読み込みされています。
この演習はコースの一部です
Pythonで学ぶ一般化線形モデル
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import libraries
import ____.____ as sm
from ____.formula.api import ____
# Fit Poisson regression of sat by width
model = ____('____ ~ ____', data = ____, family = ____.____.____).____
# Display model results
____(model.____)