เทอมปฏิสัมพันธ์
ในวิดีโอ คุณได้เรียนรู้วิธีเพิ่มปฏิสัมพันธ์เข้าไปในโครงสร้างโมเดลเมื่อมีตัวแปรต่อเนื่องหนึ่งตัวและตัวแปรจัดประเภทหนึ่งตัว ในแบบฝึกหัดนี้จะวิเคราะห์ผลของปฏิสัมพันธ์ระหว่างตัวแปรต่อเนื่องสองตัว
จะใช้ตัวแปรที่ผ่านการ center แล้วแทนค่าเดิม เพื่อให้ตีความผลของสัมประสิทธิ์ได้ง่ายขึ้น กล่าวคือ ตีความจากระดับค่าเฉลี่ยแทนค่า 0 ซึ่งอาจไม่มีความหมายในเชิงปฏิบัติสำหรับการศึกษานี้ พูดอีกนัยหนึ่งคือ ไม่ต้องการตีความโมเดลโดยสมมติว่า arsenic หรือ distance100 มีค่าเท่ากับ 0
โมเดล 'switch ~ distance100 + arsenic' ถูกโหลดไว้ล่วงหน้าในชื่อ model_dist_ars แล้ว
ชุดข้อมูล wells ก็ถูกโหลดไว้ล่วงหน้าเช่นกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Generalized Linear Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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(____.____)