在Python的混合模型中使用多个预测变量

时间:2018-08-09 02:21:31

标签: data-modeling mixed-models

我正在使用Windows 10的Spyder在Python 3.6中工作。

我希望能够使用“水平”,“分散注意力”,“目标”等一些预测变量来预测“速度”。但是,我的数据有多个水平:

参与者1:第1场(1到m级),第2场(m + 1到n级),...,                会话20(x到z级)

参与者2:第1场(1到m级),第2场(m + 1到n级),...,                会话20(x到z级)

参与者n:第1场(1到m级),第2场(m + 1到n级),...,                会话20(x到z级)

对于每个级别,我都在测量速度,注意力,目标等。

This how my data looks like

因此,我认为数据的最佳模型是混合模型(随机效应模型),因为因变量(速度)与预测变量之间的关系可能在不同的会话和不同的参与者之间有所不同。

我是python的新手,我想知道如何在python中对它们进行回归,以获得混合模型回归?

我认为这是仅使用一个预测变量的代码:

model = smf.mixedlm("Speed ~ %target", data=df, groups=df[["Participant","Sessions"]]).fit()

如果我想使用多个预测变量怎么办?

0 个答案:

没有答案