Saya ingin membandingkan dua model linier bersarang, sebut saja m01, dan m02 dengan m01 adalah model tereduksi dan m02 adalah model lengkap. Saya ingin melakukan uji F sederhana untuk melihat apakah model lengkap menambahkan utilitas yang signifikan dibandingkan model yang dikurangi.
Ini sangat sederhana di R. Misalnya:
mtcars <- read.csv("https://raw.githubusercontent.com/focods/WonderfulML/master/data/mtcars.csv")
m01 <- lm(mpg ~ am + wt, mtcars)
m02 <- lm(mpg ~ am + am:wt, mtcars)
anova(m01, m02)
Memberi saya output berikut:
Hal ini menunjukkan bahwa menambahkan istilah interaksi am: wt akan meningkatkan model secara signifikan. Apakah ada cara untuk melakukan hal serupa dengan ini di Python/sklearn/statsmodels?
Sunting: Saya melihat pertanyaan ini sebelum memposting yang ini dan tidak tahu kesamaannya. Pertanyaan lainnya adalah melakukan uji F pada dua vektor. Pertanyaan ini tentang membandingkan 2 model linier bersarang.
Saya pikir inilah yang saya butuhkan:
tetapi saya tidak yakin apa sebenarnya yang harus dilakukan untuk meneruskan fungsi ini. Jika ada yang bisa memberikan atau menunjukkan sebuah contoh, itu akan sangat membantu.