Um diese Frage zu beantworten, rannte ich zuerst. Eine gewichtete logistische Regression unter Verwendung von Rs Umfrage und srvyr Pakete. Diese Regression lieferte eine Teststatistik von -1,18 für den schwarzen Auto -Farbkoeffizienten und einen P -Wert von 0,238. Als ich jedoch eine gewichtete logistische Regression innerhalb von StatsModels durchführte, erhielt ich für diesen Koeffizienten eine Teststatistik von -1,35 und einen P -Wert von 0,177. Ich möchte verstehen, warum diese Teststatistiken unterschiedlich sind und ob ich in meinem Setup Fehler für beide Tests mache, die diese Diskrepanz erklären könnten. < /P>
Es ist auch erwähnenswert Ich habe die Gewichtskomponente aus jedem Test entfernt, meine Teststatistiken und P -Werte waren nahezu identisch. Daher scheinen diese beiden Implementierungen meine Umfragegewichte anders zu behandeln. Gleiches Notizbuch wie mein Python -Code.
Code: Select all
import pandas as pd
import statsmodels.formula.api as smf
import statsmodels.api as sm
%load_ext rpy2.ipython
%R library(dplyr)
%R library(srvyr)
%R library(survey)
%R library(broom)
import pandas as pd
df_car_survey = pd.read_csv(
'https://raw.githubusercontent.com/ifstudies/\
carsurveydata/refs/heads/main/car_survey.csv')
# Adding dummy columns for independent and dependent variables:
for column in ['Car_Color', 'Enjoy_Driving_Fast']:
df_car_survey = pd.concat([df_car_survey, pd.get_dummies(
df_car_survey[column], dtype = 'int', prefix = column)],
axis = 1)
df_car_survey.columns = [column.replace(' ', '_') for column in
df_car_survey.columns]
# Loading DataFrame into R and creating a survey design object:
# See https://tidy-survey-r.github.io/tidy-survey-book/c10-sample-designs-replicate-weights.html
# for more details.
# This book was also inval
%Rpush df_car_survey
%R df_sdo % as_survey_design(\
weights = 'Weight')
print("Survey design object:")
%R print(df_sdo)
# Logistic regression in R:
# (This code was based on that found in
# https://tidy-survey-r.github.io/tidy-survey-book/c07-modeling.html )
%R logit_result