Как просмотреть взаимодействия всех категориальных предикторов в модели OLS с использованием statsmodels python? - PullRequest
Новая
       73

Как просмотреть взаимодействия всех категориальных предикторов в модели OLS с использованием statsmodels python?

0 голосов
/ 19 января 2020

Я успешно запустил модель OLS, используя пакет statsmodels в python. Тем не менее, модель изображает одну переменную в качестве перехвата и не включает ее в результаты взаимодействий. В частности, у меня есть 5 уровней в категории «Meal_Cat» ниже, и модель выбирает один из них («низкий» уровень) и рассматривает его как перехват. Это нормально, но проблема в том, что я не могу видеть его взаимодействие с другими категориями (например, взаимодействие по группам с низким уровнем).

Ниже описан порядок настройки модели: 

model = ols('Cost ~ C(Meal_Cat)*C(Group)*C(Region) + Age + Gender', data= Mealcat_DF).fit()
# Seeing if the overall model is significant
print(f"Overall model F({model.df_model: .0f},{model.df_resid: .0f}) = {model.fvalue: .3f}, p = {model.f_pvalue: .4f}")
model.summary()

Мне было интересно, кто-нибудь может предложить способ включить все термины из модели в сводку взаимодействия.

1 Ответ

1 голос
/ 20 января 2020

Если ваша переменная уже является строковой переменной или переменной категории, просто попробуйте следующее. 

import pandas as pd
import seaborn as sns
import statsmodels.formula.api as smf

df = sns.load_dataset('tips')

formula = 'tip ~ sex*smoker*day + total_bill'
model = smf.ols(formula, data=df)
results = model.fit()
print(results.summary())

OLS Regression Results                            
==============================================================================
Dep. Variable:                    tip   R-squared:                       0.485
Model:                            OLS   Adj. R-squared:                  0.449
Method:                 Least Squares   F-statistic:                     13.35
Date:                Mon, 20 Jan 2020   Prob (F-statistic):           8.29e-25
Time:                        14:21:24   Log-Likelihood:                -344.02
No. Observations:                 244   AIC:                             722.0
Df Residuals:                     227   BIC:                             781.5
Df Model:                          16                                         
Covariance Type:            nonrobust                                         
=========================================================================================================
                                            coef    std err          t      P>|t|      [0.025      0.975]
---------------------------------------------------------------------------------------------------------
Intercept                                 0.9917      0.357      2.777      0.006       0.288       1.695
sex[T.Female]                            -0.0731      0.506     -0.144      0.885      -1.071       0.925
smoker[T.No]                             -0.0427      0.398     -0.107      0.915      -0.827       0.741
day[T.Fri]                               -0.4549      0.487     -0.933      0.352      -1.415       0.506
day[T.Sat]                               -0.4662      0.381     -1.224      0.222      -1.217       0.284
day[T.Sun]                               -0.2880      0.423     -0.681      0.497      -1.121       0.545
sex[T.Female]:smoker[T.No]               -0.1423      0.593     -0.240      0.811      -1.311       1.026
sex[T.Female]:day[T.Fri]                  0.8553      0.737      1.161      0.247      -0.597       2.307
sex[T.Female]:day[T.Sat]                  0.2319      0.605      0.383      0.702      -0.960       1.424
sex[T.Female]:day[T.Sun]                  1.0867      0.772      1.407      0.161      -0.435       2.608
smoker[T.No]:day[T.Fri]                   0.1224      0.905      0.135      0.893      -1.660       1.905
smoker[T.No]:day[T.Sat]                   0.6258      0.480      1.303      0.194      -0.320       1.572
smoker[T.No]:day[T.Sun]                   0.2552      0.505      0.506      0.614      -0.739       1.250
sex[T.Female]:smoker[T.No]:day[T.Fri]    -0.2185      1.303     -0.168      0.867      -2.787       2.350
sex[T.Female]:smoker[T.No]:day[T.Sat]    -0.4487      0.759     -0.591      0.555      -1.944       1.046
sex[T.Female]:smoker[T.No]:day[T.Sun]    -0.7027      0.892     -0.788      0.431      -2.460       1.054
total_bill                                0.1078      0.008     13.951      0.000       0.093       0.123
==============================================================================
Omnibus:                       29.744   Durbin-Watson:                   2.154
Prob(Omnibus):                  0.000   Jarque-Bera (JB):               60.768
Skew:                           0.616   Prob(JB):                     6.38e-14
Kurtosis:                       5.112   Cond. No.                         629.
==============================================================================

Warnings:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
...