有没有办法估计python statsmodels中的Poisson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。

以下面的示例为例，我想获得在“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：

Beta 臂+ Delta 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是否还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()

Answer 1

Bollen's Delta Method通常用于获取线性组合b1 * x + b2 * x * z的置信区间。

我不确定Statsmodels incorporates the Delta Method的方式和程度。

如果您想走results.get_prediction路线，只需确保将所有“其他协变量”（如果有）设置为其样本或总体均值。