Obliczanie statystyki Walda
W poprzednim ćwiczeniu dopasowałeś model ze zmienną width i oceniłeś związek między zmienną objaśniającą a zmienną odpowiedzi. W tym ćwiczeniu ocenisz istotność zmiennej width, obliczając statystykę Walda.
Zwróć uwagę, że w podsumowaniu modelu statystyka Walda jest oznaczana literą z, co oznacza, że wartość tej statystyki ma standardowy rozkład normalny. Przypomnij sobie wzór na statystykę Walda:
$$ z=\frac{\hat\beta}{SE} $$
gdzie \(\hat\beta\) to oszacowany współczynnik, a \(SE\) to jego błąd standardowy.
Dopasowany model crab_GLM oraz zbiór danych crab zostały wczytane do przestrzeni roboczej.
To ćwiczenie jest częścią kursu
Uogólnione modele liniowe w Pythonie
Instrukcje do ćwiczenia
- Używając
.params, wyodrębnij i wyświetl współczynniki modelu, zapisując je jako wyraz wolny i nachylenie. - Zapisz i wyświetl macierz kowariancji jako
crab_cov. - Oblicz i wyświetl błąd standardowy
std_error, wyodrębniając odpowiedni element z macierzy kowariancji. - Oblicz i wyświetl statystykę Walda.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Extract coefficients
intercept, slope = ____.____
# Estimated covariance matrix: crab_cov
____ = crab_GLM.____
print(____)
# Compute standard error (SE): std_error
____ = np.____(____.loc['width', 'width'])
print('SE: ', round(____, 4))
# Compute Wald statistic
wald_stat = ____/____
print('Wald statistic: ', round(____,4))