Binary Probit模型
连接函数为正态
from statsmodels.formula.api import glm
formula='Attention~CSI+Company+Loyalty'
product_m=glm(formula,data=product,family=sm.families.Binomial(sm.families.links.probit)).fit()
Binary Logit模型
连接函数为逻辑函数
formula='Attention~CSI+Company+Loyalty'
product_m=glm(formula,data=product,family=sm.families.Binomial(sm.families.links.logit)).fit()
多重选择模型
顺序选择模型(ordinal):ordinal probit/logit
无序选择模型(multinomial):multinomial probit/logit
from statsmodels.formula.api import mnlogit
formula='purchase~C(gender)+age'
model3=mnlogit(formula,data=G3_m).fit()
计数模型
对于某个时间空间等范围之内事情发生的次数的计数数据,一般认为其服从泊松分布
ln