加入交互作用
就像一個數值型與一個類別型解釋變數的情況一樣，數值型解釋變數之間也可能存在交互作用。使用這種模型結構時，你會得到第三個斜率係數：各解釋變數各一個，外加交互作用的一個。
在這裡，你要執行、預測並繪製與上一個練習相同的模型，但這次要把解釋變數之間的交互作用納入模型。
本練習屬於課程
使用 Python 的 statsmodels 進行迴歸分析：中級
練習說明
- 將模型名稱改為
mdl_price_vs_conv_dist_inter。 - 依照上一個練習的程式碼進行調整，將交互作用納入模型。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Convert to mdl_price_vs_conv_dist_inter
mdl_price_vs_conv_dist = ols("price_twd_msq ~ n_convenience + sqrt_dist_to_mrt_m", data=taiwan_real_estate).fit()
# Use mdl_price_vs_conv_dist_inter to make predictions
n_convenience = np.arange(0, 11)
sqrt_dist_to_mrt_m = np.arange(0, 81, 10)
p = product(n_convenience, sqrt_dist_to_mrt_m)
explanatory_data = pd.DataFrame(p, columns=["n_convenience", "sqrt_dist_to_mrt_m"])
prediction_data = explanatory_data.assign(
price_twd_msq = mdl_price_vs_conv_dist.predict(explanatory_data))
sns.scatterplot(x="n_convenience", y="sqrt_dist_to_mrt_m", data=taiwan_real_estate, hue="price_twd_msq", legend=False)
sns.scatterplot(x="n_convenience", y="sqrt_dist_to_mrt_m", data=prediction_data, hue="price_twd_msq", marker="s")
plt.show()