モデルの当てはまりを確認する
ビデオでは、wells データに追加の変数を加えることでモデルの当てはまりが改善する例を分析しました。引き続きこのデータセットを使って、モデルの複雑さをさらに高めたときに、逸脱度（deviance）と当てはまりがどう変化するかを確認します。
データセット wells はワークスペースにあらかじめ読み込まれています。
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
演習の手順
- 応答変数を
switch、説明変数をdistance100とarsenicとして、ロジスティック回帰モデルを当てはめます。 - 切片のみのモデルと、すべての変数を含むモデルの逸脱度（deviance）の差を計算します。
- 計算した差を出力します。
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_dist_ars = glm(____, ____ = ____, ____ = sm.____.____).____
# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____
# Print the computed difference in deviance
____(____)