Вывести p-значение в логистической регрессии MNLogit ()

Question

У меня есть фрейм данных, который выглядит следующим образом:

Я применил логистическую регрессию и хочу получить p-оценку и значение t в другом фрейме данных

  Algorithm         Success
    A                 0.91
    B                 0.98
    C                 0.76
     .
     .
     .
    B                 0.77
    C                 0.68
    D                 0.43

Код:

 p1_logit_model=sm.MNLogit(group["Algorithm"], group["Success"].astype(float))

Вывод:

       Results: MNLogit
===============================================================
Model:              MNLogit          Pseudo R-squared: 0.104 

  Dependent Variable: algorithm        AIC:              184.2255

Date:               2018-12-18 17:19 BIC:              194.2622
No. Observations:   55               Log-Likelihood:   -87.113 
Df Model:           0                LL-Null:          -97.227 
Df Residuals:       50               LLR p-value:      nan     
Converged:          1.0000           Scale:            1.0000  
No. Iterations:     9.0000    

 --------------------------------------------------------------
  algorithm = 0   Coef.  Std.Err.   t    P>|t|   [0.025 0.975]
 --------------------------------------------------------------
  p1_less100ms      0.2326   0.5804 0.4008 0.6886 -0.9050 1.3702
  --------------------------------------------------------------
  algorithm = 1   Coef.  Std.Err.    t    P>|t|   [0.025  0.975]
   --------------------------------------------------------------
  p1_less100ms   -6.3891   3.9519 -1.6167 0.1059 -14.1346 1.3565

Я хочу сохранить в алгоритме p-значение и t-показатель для каждого, может ли кто-нибудь помочь мне как?

Answer 1

Я думаю, вам нужно сначала подобрать модель, чтобы получить доступ к p-значениям и t-значениям.Попробуйте это:

fit = p1_logit_model.fit()

print(fit.pvalues[i])
print(fit.tvalues[i])

, где i - это индекс для любой категории, на которую вы хотите взглянуть из полиномиальной модели.В качестве подсказки, если вы действительно хотите использовать модель логистической регрессии, вам следует использовать model = sm.Logit(y, X).