有没有一种方法可以估算python statsmodels模型中的泊松交互作用？

Question

Python中的statsmodels是否可以估算置信区间为95％的交互？这将是模型参数估计值的线性组合。

给出下面的示例，我想得到在“那里”的人中处于手臂“ b”的效果，这将需要估计模型参数的线性组合：

臂+ 臂*位置，但还包括适当的置信区间。我知道mod.params和mod.conf_int()，但是statsmodels是否有另一种用于线性组合的方法？

import random
import pandas as pd
import statsmodels.api as sm
import patsy
import numpy as np

cases = np.array([random.randint(0,10) for i in range(200)])
arm = [random.choice(['a', 'b']) for i in range(200)]
place = [random.choice(['here', 'there']) for i in range(200)]
df = pd.DataFrame({'arm': arm, 'place': place})
exog = patsy.dmatrix('arm + place + arm * place', df, return_type='dataframe')

mod = sm.GLM(endog=cases, exog=exog, family=sm.families.Poisson()).fit()
mod.summary()

Python中的statsmodels是否可以估算置信区间为95％的交互？这将是模型参数估计值的线性组合。给定以下示例，我将...

Answer 1

我不确定Statsmodels incorporates the Delta Method的程度和程度。