Терміни взаємодії
У відео ви дізналися, як додавати взаємодії до структури моделі, коли є одна неперервна та одна категоріальна змінна. У цій вправі ви проаналізуєте ефекти взаємодії між двома неперервними змінними.
Ви використаєте центровані змінні замість початкових значень, щоб легше інтерпретувати коефіцієнти, тобто від середніх значень, а не від 0, що може бути нелогічним для цього дослідження. Іншими словами, ми не хочемо тлумачити модель, припускаючи 0 для змінних arsenic або distance100.
Модель 'switch ~ distance100 + arsenic' уже завантажено в робочий простір як model_dist_ars.
Також попередньо завантажено набір даних wells.
Ця вправа є частиною курсу
Узагальнені лінійні моделі в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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(____.____)