这可能是微不足道的，但我无法弄清楚。我想拟合一个逻辑回归模型，其中我的因变量不是伯努利变量，而是二项式计数。即，对于每个，我有，成功次数和，试验次数。这完全等同于伯努利案例，就好像我们观察了这些试验，所以原则上我可以在我将我的数据解开为伯努利观察后使用例如 statsmodels 逻辑回归。有没有更简单的方法？
Python中二项式数据的逻辑回归
机器算法验证
回归
物流
Python
统计模型
2022-03-07 22:11:18
2个回答
statsmodel包具有可用于此类问题的 glm() 函数。请参见下面的示例：
import statsmodels.api as sm
glm_binom = sm.GLM(data.endog, data.exog, family=sm.families.Binomial())
可以在以下链接中找到更多详细信息。请注意，二项式系列模型接受具有两列的二维数组。每个观察结果都应该是[成功，失败]。在上面我从下面提供的链接中获取的示例中，data.endog对应于一个二维数组（成功：NABOVE，失败：NBELOW）。
相关文档：https ://www.statsmodels.org/stable/examples/notebooks/generated/glm.html
或者使用 R 样式公式
import statsmodels.api as sm
import statsmodels.formula.api as smf
mod = smf.glm('successes + failures ~ X1 + X2', family=sm.families.Binomial(), data=df).fit()
mod.summary()
```