Visualizando declives paralelos
Os dois gráficos do exercício anterior deram previsões bem diferentes: um previu uma resposta que aumentava linearmente com uma variável numérica; o outro deu uma resposta fixa para cada categoria. A única forma sensata de conciliar essas duas previsões conflitantes é incluir as duas variáveis explicativas no modelo ao mesmo tempo.
No caso de um modelo de regressão linear com uma variável explicativa numérica e outra categórica, o seaborn não oferece uma maneira simples, "pronta para uso", de mostrar as previsões.
taiwan_real_estate está disponível e mdl_price_vs_both está disponível como um modelo ajustado. seaborn foi importado como sns e matplotlib.pyplot foi importado como plt.
Este exercicio faz parte do curso
Regressão Intermediária com statsmodels em Python
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Extract the model coefficients, coeffs
coeffs = ____
# Print coeffs
print(coeffs)
# Assign each of the coeffs
____, ____, ____, ____ = ____