Как интерпретировать результаты логистической регрессии когда в формуле суммируются две переменные?

Если мы создаем модель логистической регрессии:

import statsmodels.api as sm
logit_model = sm.Logit(data[["Outcome"]], sm.add_constant(data[["Param1", "Param2"]]))

Это эквивалентно записи

model = sm.GLM.from_formula("Outcome ~ Param1 + Param2", family=sm.families.Binomial(), data=data)

Подскажите, какая интерпретация у NegativelyScored + IsClosed? То есть, что идет в Intercept, а что попадает в Param1 и Param2 отчета?

Поясню, когда формула Outcome ~ Param1 * Param2 (знак умножения перед параметрами) мы получаем четыре параметра в отчете (Intercept, два параметра и их пересечение). В Intercept идет логарифм шансов случая Outcome==1 к Outcome==0 при Param1==0 и Param2==0, в Param1 отношение шанса Outcome==1 к Outcome==0 при Param1==1 и Param2==0 к Intercept. И т.д. Для случая с + в формуле это не верно. Какая логика в случае "суммирования" параметров модели?