Un modelo con interacción
Regresión intermedia con statsmodels en Python
Maarten Van den Broeck
Content Developer at DataCamp
¿Qué es una interacción?
En el dataset de peces
- Las especies tienen distintas razones masa-longitud.
- El efecto de la longitud en la masa esperada varía según la especie.
En general
El efecto de una variable explicativa sobre la respuesta esperada cambia según el valor de otra explicativa.
Especificar interacciones
Sin interacciones
response ~ explntry1 + explntry2
Con interacciones (implícitas)
response_var ~ explntry1 * explntry2
Con interacciones (explícitas)
response ~ explntry1 + explntry2 + explntry1:explntry2
Sin interacciones
mass_g ~ length_cm + species
Con interacciones (implícitas)
mass_g ~ length_cm * species
Con interacciones (explícitas)
mass_g ~ length_cm + species + length_cm:species
Ejecutar el modelo
mdl_mass_vs_both = ols("mass_g ~ length_cm * species", data=fish).fit()
print(mdl_mass_vs_both.params)
Intercept -1035.3476
species[T.Perch] 416.1725
species[T.Pike] -505.4767
species[T.Roach] 705.9714
length_cm 54.5500
length_cm:species[T.Perch] -15.6385
length_cm:species[T.Pike] -1.3551
length_cm:species[T.Roach] -31.2307
Coeficientes más fáciles de entender
mdl_mass_vs_both_inter = ols("mass_g ~ species + species:length_cm + 0", data=fish).fit()
print(mdl_mass_vs_both_inter.params)
species[Bream] -1035.3476
species[Perch] -619.1751
species[Pike] -1540.8243
species[Roach] -329.3762
species[Bream]:length_cm 54.5500
species[Perch]:length_cm 38.9115
species[Pike]:length_cm 53.1949
species[Roach]:length_cm 23.3193
Números conocidos
print(mdl_mass_vs_both_inter.params)
species[Bream] -1035.3476
species[Perch] -619.1751
species[Pike] -1540.8243
species[Roach] -329.3762
species[Bream]:length_cm 54.5500
species[Perch]:length_cm 38.9115
species[Pike]:length_cm 53.1949
species[Roach]:length_cm 23.3193
print(mdl_bream.params)
Intercept -1035.3476
length_cm 54.5500
¡Vamos a practicar!
Regresión intermedia con statsmodels en Python
