Python 如何更改MNLogit(statsmodels.api)的基线结果和显著性水平?
我一直在探索statsmodels.api中的MNLogit命令。根据站点文档,我不知道如何更改基线回归。例如,我的结果变量是“两者都不”、“仅单元格”、“固定线路”、“两者”。当我希望“两者都不是”时,它将“两者”作为基线结果 此外,如何将命令更改为在95%CI的5%显著性水平下进行测试?默认设置似乎为2.5%,并生成97.5%的置信区间。谢谢 (1)要设置基线类,首先需要将内生变量转换为分类类型。然后,您需要手动重新排列标签,使基线位于末尾:Python 如何更改MNLogit(statsmodels.api)的基线结果和显著性水平?,python,statsmodels,Python,Statsmodels,我一直在探索statsmodels.api中的MNLogit命令。根据站点文档,我不知道如何更改基线回归。例如,我的结果变量是“两者都不”、“仅单元格”、“固定线路”、“两者”。当我希望“两者都不是”时,它将“两者”作为基线结果 此外,如何将命令更改为在95%CI的5%显著性水平下进行测试?默认设置似乎为2.5%,并生成97.5%的置信区间。谢谢 (1)要设置基线类,首先需要将内生变量转换为分类类型。然后,您需要手动重新排列标签,使基线位于末尾: df['y'] = df['y'].astype
df['y'] = df['y'].astype('category').cat.set_categories(new_categories = ['Cell Only' ,'Landline', 'Both', 'Neither'])
fit_mnlogit = sm.MNLogit(endog, exog).fit()
(2) 它在5%的置信水平(97.5%-2.5%=95%=100%-5%)下进行测试。无论如何,如果要更改默认值alpha=0.05,请在摘要中指定:
fit_mnlogit.summary(alpha = 0.01)
(1) 要设置基线类,首先需要将内生变量转换为分类类型。然后,您需要手动重新排列标签,使基线位于末尾:
df['y'] = df['y'].astype('category').cat.set_categories(new_categories = ['Cell Only' ,'Landline', 'Both', 'Neither'])
fit_mnlogit = sm.MNLogit(endog, exog).fit()
(2) 它在5%的置信水平(97.5%-2.5%=95%=100%-5%)下进行测试。无论如何,如果要更改默认值alpha=0.05,请在摘要中指定:
fit_mnlogit.summary(alpha = 0.01)