Члены взаимодействия
В видео вы узнали, как включать взаимодействия в структуру модели, когда есть одна непрерывная и одна категориальная переменная. В этом упражнении вы проанализируете эффекты взаимодействия двух непрерывных переменных.
Вместо исходных значений вы будете использовать центрированные переменные — это позволит интерпретировать коэффициенты более удобно: относительно средних значений, а не нуля, который может не иметь смысла в данном исследовании. Иными словами, мы не хотим интерпретировать модель, предполагая значение 0 для переменных arsenic или distance100.
Модель 'switch ~ distance100 + arsenic' предварительно загружена в рабочую среду под именем model_dist_ars.
Набор данных wells также предварительно загружен.
Это упражнение является частью курса
Обобщённые линейные модели в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import libraries
import statsmodels.api as sm
from statsmodels.formula.api import glm
# Fit GLM and print model summary
model_int = ____('____ ~ ____(____) + ____(____) + ____(____):____(____)',
data = ____, family = ____).____
# View model results
print(____.____)