logistic模型系数显著性检验的代码

进行logistic回归后，可以通过计算系数的标准误差和z值来确定系数的显著性。以下是一个示例代码：

import statsmodels.api as sm

# 加载数据
data = sm.datasets.fair.load_pandas().data

# 添加一个二元变量 affair，表示是否有婚外情
data['affair'] = (data.affairs > 0).astype(int)

# 创建X和y，并添加常数项
y = data.affair
X = sm.add_constant(data.drop(['affair', 'affairs'], axis=1))

# 拟合logistic回归模型
model = sm.Logit(y, X).fit()

# 计算系数的标准误差和z值
params = model.params
std_err = model.bse
z_values = params / std_err

# 打印结果
p_values = [2 * (1 - stats.norm.cdf(abs(z))) for z in z_values]
coefs_result = pd.DataFrame({'coef': params, 'std err': std_err, 'z': z_values, 'p-value': p_values})
print(coefs_result)

在这个示例代码中，我们使用了statsmodels库来拟合logistic回归模型，并计算系数的标准误差和z值。然后，我们使用正态分布来计算系数的p值，并将结果打印出来。