Coeficientes em termos de odds

Anteriormente, você ajustou um modelo de regressão logística para a probabilidade de trocar o poço dado os níveis de arsenic. Neste exercício, você verá como outra variável, distance100, se relaciona com a probabilidade de troca e como interpretar os coeficientes em termos de odds.

Lembre-se de que a regressão logística é expressa em log-odds; então, para saber em quanto as odds se multiplicam dado um aumento unitário em x, você deve exponenciar as estimativas dos coeficientes. Isso também é chamado de odds ratio.

Lembre-se de que odds são a razão entre o evento ocorrer e o evento não ocorrer. Por exemplo, se as odds de ganhar um jogo são 1/2 ou 1 para 2 (1:2), significa que, para cada vitória, há 2 derrotas.

O conjunto de dados wells está carregado no workspace.

Este exercício faz parte do curso

Modelos Lineares Generalizados em Python

Ver curso

Instruções do exercício

Importe a biblioteca statsmodels e a função glm de statsmodels.formula.api. Importe também numpy como np.
Usando glm(), ajuste um modelo de regressão logística em que switch é previsto por distance100.
Extraia os coeficientes do modelo usando .params.
Calcule o efeito multiplicativo nas odds usando a função exp() do numpy.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Load libraries and functions
import ____.api as sm
from ____.____.api import glm
import ____ as ____

# Fit logistic regression model
model_GLM = ____(formula = ____,
                data = ____,
                family = ____.____.____).____ 

# Extract model coefficients
print('Model coefficients: \n', ____.____)

# Compute the multiplicative effect on the odds
print('Odds: \n', np.____(____.____))

Editar e executar o código