我正在尝试基于一些连续变量（固定效应）和分类变量（随机效应）对二进制响应变量建模。
这是模型方程式：Y ijk = β X i + Z j + Z k + < i>ε。
Y ijk ：会话是否获得点击
X i ：会话I中客户的固定效果功能：num_purchases_cat1，num_purchases_cat2，num_purchases_cat3
Z j ：随机效果：ad_category（100个类别）
Z k ：随机效果：ad_price（5个存储桶）
说我的data_train包含所有这些列：[clicked，num_purchases_cat1，num_purchases_cat2，num_purchases_cat3，ad_category，ad_price]。两个随机效果ad_category和ad_price是独立的，因此我想采用交叉效果混合效果模型。
Python's Documentation指出我需要将整个数据集视为一个组，因此，我正在尝试以下操作：
import statsmodels.regression.mixed_linear_model as mlm
lmm = mlm.MixedLM(data_train.clicked, data_train[['num_purchases_cat1', 'num_purchases_cat2', 'num_purchases_cat3']], groups=np.ones(data_train.shape[0]))
现在我正在努力指定exog_re和exog_vc。我应该简单地放入data_train[['ad_category','ad_price']]还是应该将其转换为单热编码？如果我只想拥有随机斜率与随机截距，该如何改变？