python使用wald检验来检验预测变量的意义

Question

我需要对一些数据进行逻辑回归，我已经获得了一些用户功能，例如他们的post types ， number of friends number of posts number of uploaded photos等，并将这些用户聚集到几个群集中，现在，我想做Wald检验测试哪个预测（从这些用户特征）是用于预测簇显著这些用户属于，使用二元逻辑回归，例如，对于在第1组的用户，如果用户属于cluster 1 ，所述cluster_label是1 ，并且其他用户的cluster_label zero ，我需要使用wald_test选择哪些预测变量对于预测集群标签很重要，例如，通过进行wald test，朋友数和用户数来预测集群1中的用户上传的照片具有最高的wald评分，因此，这两个功能对于预测类别1中的用户类别类型具有重要意义； 也许对于集群2中的用户，通过执行wald测试，帖子的数量和共享新闻的数量对于预测这些用户的集群标签很重要

这些数据的pandas数据帧如下所示，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
 ...
 ...

当cluster_label为1时，表示该用户属于用户集群1；当cluster_label为0时，表示该用户不属于集群1；我想通过wald test来确定哪些预测变量（来自NoPosts ，Frineds ... postcluster0_ratio ...）对于预测用户线索标签很重要，但是从

http://www.statsmodels.org/dev/generation/statsmodels.regression.linear_model.OLSResults.wald_test.html#statsmodels.regression.linear_model.OLSResults.wald_test在python中没有wald_test的示例，我不知道这是什么wald_test的必需输入，如何拟合，总之，我不知道如何在我的情况下使用wald_test，能否请您帮我如何使用wald_test，最好为我提供代码

Answer 1

对于单个测试（不是联合假设），您可以使用t_test，这是Wald测试的特例http://www.statsmodels.org/dev/generated/statsmodels.regression.linear_model.OLSResults.t_test.html

用于测试参数是否从零开始具有统计显着性的p值位于summary()并且已预先计算，请参见http://www.statsmodels.org/dev/genic/statsmodels.regression.linear_model.RegressionResults.html中的 pvalues 。

wald_test是用于联合假设的f_test的更通用版本，其中的一些示例对于wald_test的工作方式相同。