Влияние мультиколлинеарности

На основе набора данных crab вы проанализируете последствия мультиколлинеарности. Напомним, что мультиколлинеарность может проявляться следующим образом:

Коэффициент незначим, однако переменная имеет высокую корреляцию с \(y\).
Добавление или удаление переменной существенно изменяет коэффициенты.
Знак коэффициента не соответствует ожидаемому.
Переменные попарно сильно коррелируют между собой.

Это упражнение является частью курса

Обобщённые линейные модели в Python

Посмотреть курс

Инструкции к упражнению

Импортируйте необходимые функции из библиотеки statsmodels для работы с обобщёнными линейными моделями.
Постройте многомерную логистическую регрессию с переменными weight и width в качестве объясняющих и y в качестве зависимой переменной.
Выведите результаты модели с помощью функции print().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____

# Print model summary
____(____.____)

Редактировать и запускать код