Interaktionstermer
I videon lärde du dig hur man inkluderar interaktioner i modellstrukturen när det finns en kontinuerlig och en kategorisk variabel. I den här övningen ska du analysera effekterna av interaktion mellan två kontinuerliga variabler.
Du kommer att använda centrerade variabler i stället för originalvärden, för att lättare kunna tolka koefficienteffekterna – det vill säga utgå från medelvärdet snarare än från 0, vilket kanske inte är logiskt för den aktuella studien. Med andra ord vill vi inte tolka modellen genom att anta värdet 0 för variablerna arsenic eller distance100.
Modellen 'switch ~ distance100 + arsenic' har förinslästs som model_dist_ars i arbetsytan.
Även datamängden wells är förinsläst.
Den här övningen är en del av kursen
Generaliserade linjära modeller i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(____.____)