Python statsmodels：回归摘要，如何获取参考虚拟变量的p值？

Question

我正在如下运行MNLogit（多项式逻辑回归）：

from statsmodels.formula.api import MNLogit
model=MNLogit.from_formula("y ~ x", df).fit()
model.summary()

变量y是分类的，并且似乎由MNLogit函数自动伪编码。摘要输出为y的每个类别（参考类别除外）提供一行。

1）如何获得参考类别的标识？ （由于y的类别很多，因此手动进行计算很麻烦）

2）因为没有z或P> | z | （p-value）给参考类别，我如何评估参考类别的重要性？

3）如何更改将哪个类别视为参考类别？

Answer 1

1. 拦截项是您的参考水平（即“缺失”类别）的结果， 您可以通过检查变量的第一级来检查引用是什么
2. 测试统计量和p值在参考类别的“拦截”项中
3. 重新设置分类变量，可以选择使用不同的对比度处理来设置所需的对比度。

Answer 2

1. 我相信使用Statmodels MNLogit可以对字符串中的第一个变量进行排序，该列表列出了可能一直用作引用对象的y变量。您可以在示例中使用model.model._ynames_map来检查第一个变量。这将返回一个字典，并且带有0键的值应该是用于引用对象的字典。

2. This site提供了一些有关如何解释引用对象的信息。我不会通过重新输入来掩饰这一点。它不是在python中，而是统计信息的租户可以跨语言使用。

3. 作为第一个排序的响应充当对象，我相信您必须通过添加“ AAAAA”或类似的响应来将响应更改为所需的内容，以确保它在列表中排在首位，但是一旦您能够知道所指对象是谁，并根据需要调整结论的措辞，就没有必要了。