【发布时间】：2017-12-04 09:29:03
【问题描述】：
我需要对一些数据做逻辑回归，我得到了一些用户特征，比如他们的posttypes、number of friends、number of posts、number of uploaded photos等，并将这些用户聚类成几个集群，现在，我想做 wald 测试来测试哪些预测变量（来自这些用户特征）对于预测这些用户所属的集群是重要的，使用二元逻辑回归，例如，对于集群 1 中的用户，如果用户属于cluster 1，cluster_label 是1，而其他用户的cluster_label 是zero，我需要使用wald_test 来选择哪些预测变量对预测集群标签很重要，例如，预测集群中的用户1、通过wald检验，好友数和上传照片数具有最高的wald分数，因此，这两个特征对于预测集群1中的用户集群类型具有重要意义；也许对于集群 2 中的用户，通过 wald 测试，帖子数和分享新闻数对于预测这些用户的集群标签很重要
这些数据的pandas数据框如下图所示，用于预测用户cluster 1中的用户：
NoPosts... Friends ... postCluster0_ratio... postCluster4_ratio cluster_label
24 ... 89 ... 0.35 ... 0.3 1
...
...
81 ... 161 ... 0.2 ... 0.15 0
...
...
cluster_label 为 1 时，表示该用户属于用户集群 1，cluster_label 为 0 时，表示该用户不属于集群 1，我想通过 wald 测试来确定哪些预测器（来自 NoPosts、Frineds...postcluster0_ratio...）对于预测用户集群标签具有重要意义，但来自
http://www.statsmodels.org/dev/generated/statsmodels.regression.linear_model.OLSResults.wald_test.html#statsmodels.regression.linear_model.OLSResults.wald_test python中没有wald_test的示例，我不知道wald_test所需的输入是什么，如何适应，一句话，我不知道如何使用wald_test来解决我的情况，请你帮我如何使用wald_test , 最好给我代码
【问题讨论】：
-
这个问题更多的是关于如何进行 Wald 测试而不是 Python，不是吗？您将在stats.stackexchange.com 上获得更多帮助
-
仅供参考，显然“有几个理由更喜欢似然比检验或拉格朗日乘数而不是 Wald 检验”en.wikipedia.org/wiki/Wald_test#Alternatives_to_the_Wald_test
-
致 Jean-Francois Corbett，能否请您提供如何使用 wald_test 的代码，谢谢
-
我不能，因为我不知道 Wald 测试是如何工作的。我不知道如何用笔和纸来做。但问题似乎是，你也不是。所以在你的位置上，这将是我要做的第一件事。以后再担心 Python 的实现。
标签： python logistic-regression