多変量ロジスティック回帰を当てはめる
ビデオで学んだ内容を使って、crab データセットに多変量ロジスティック回帰モデルを当てはめます。チャプター2では、説明変数に width を用いたロジスティック回帰を実行しました。この演習では、追加の変数として color を加える効果を分析します。
color 変数は、medium light、medium、medium dark、dark のように自然な順序を持ちます。そのため color は順序尺度の変数ですが、この例では数量変数として扱います。
crab データセットはワークスペースにあらかじめ読み込まれています。なお、単変量の場合とのコード上の違いは formula 引数だけで、新しい変数を組み込むための構造を追加する点です。
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
演習の手順
- GLM 用に
statsmodelsライブラリから必要な関数をインポートします。 - 応答変数を
y、説明変数をwidthとcolorとするformula引数を定義します。 glm()関数を使って多変量ロジスティック回帰モデルを当てはめます。- モデル結果を表示します。
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 statsmodels
import ____.____ as sm
from ____.____.____ import glm
# Define model formula
formula = '____ ~ ____'
# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____
# Print model summary
____(____.____)