เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณ Wald statistic

ในแบบฝึกหัดที่ผ่านมา คุณได้ฟิตโมเดลด้วยตัวแปร width และประเมินความสัมพันธ์ระหว่างตัวแปรอธิบายกับตัวแปรตอบสนอง ในแบบฝึกหัดนี้ จะประเมินนัยสำคัญของตัวแปร width โดยคำนวณ Wald statistic

โปรดสังเกตว่าในสรุปผลของโมเดล Wald statistic จะแสดงด้วยตัวอักษร z ซึ่งหมายความว่าค่าของสถิตินี้มีการแจกแจงแบบปกติมาตรฐาน สูตรของ Wald statistic มีดังนี้:

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

โดยที่ \(\hat\beta\) คือค่าสัมประสิทธิ์ที่ประมาณได้ และ \(SE\) คือค่าความคลาดเคลื่อนมาตรฐานของสัมประสิทธิ์นั้น

โมเดลที่ฟิตแล้ว crab_GLM และชุดข้อมูล crab ถูกโหลดไว้ในพื้นที่ทำงานแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Generalized Linear Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ .params เพื่อดึงและแสดงค่าสัมประสิทธิ์ของโมเดล แล้วบันทึกเป็น intercept และ slope
  • บันทึกและแสดงเมทริกซ์โคแวเรียนซ์เป็น crab_cov
  • คำนวณและแสดงค่าความคลาดเคลื่อนมาตรฐาน std_error โดยดึงค่าที่เกี่ยวข้องจากเมทริกซ์โคแวเรียนซ์
  • คำนวณและแสดง Wald statistic

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด