Beräkna Wald-statistikan

I föregående övning anpassade du en modell med variabeln width och undersökte sambandet mellan den förklarande variabeln och responsvariabeln. I den här övningen bedömer du signifikansen hos variabeln width genom att beräkna Wald-statistikan.

Observera att Wald-statistikan i modellsammanfattningen betecknas med bokstaven z, vilket innebär att statistikans värde följer en standardnormalfördelning. Kom ihåg formeln för Wald-statistikan:

$$ z=\frac{\hat\beta}{SE} $$

där $\hat\beta$ är den skattade koefficienten och $SE$ dess standardfel.

Den anpassade modellen crab_GLM och datamängden crab har förinslästs i arbetsytan.

Den här övningen är en del av kursen

Generaliserade linjära modeller i Python

Visa kurs

Övningsinstruktioner

Använd .params för att extrahera och skriva ut modellkoefficienterna, och spara dem som intercept och lutning.
Spara och skriv ut kovariansmatrisen som crab_cov.
Beräkna och skriv ut standardfelet std_error genom att extrahera relevant element ur kovariansmatrisen.
Beräkna och skriv ut Wald-statistikan.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))

Redigera och kör kod