python中使用交互项的多元线性回归

Question

我使用交互术语预测模型：

est = smf.ols(formula='mdvis ~ hlthp * logincome', data=df).fit(). 

当使用97%-R平方的线性回归时，我得到了很好的分数

所以，我的问题是：
在使用交互术语进行预测时，如何使用测试/训练数据进行评估，并使用交叉验证计算统计显著性

Answer 1

使用交互项只是为回归建立exog矩阵的一种简单方法。它不会改变交叉验证的逻辑

将数据帧拆分为训练样本和测试样本：

train = df.sample(frac=0.8)
test  = df.drop(train.index)

然后根据列车数据拟合模型：

res = smf.ols(formula='mdvis ~ hlthp * logincome', data=train).fit()

对整个数据进行预测（列车和试验）

df['predict']=res.predict(exog=df)
df['delta']  = df['predict']-df['mdvis']

最后，根据需要对每列车和分离的试样进行统计（此处我计算残差的标准偏差）：

std_train=df.loc[train.index]['delta'].std()
std_test =df.loc[test.index]['delta'].std()