数学建模社区-数学中国

标题: 使用 statsmodels 进行多元线性回归 [打印本页]

作者: 2744557306 时间: 2024-3-15 17:15
标题: 使用 statsmodels 进行多元线性回归
statsmodels 是一个 Python 库，用于拟合统计模型、进行统计测试和探索数据。它提供了广泛的统计方法和模型，包括线性模型、广义线性模型、时间序列分析、非参数方法等。[size=0.85em]statsmodels 的优点之一是提供了丰富的结果摘要和统计诊断，有助于解释和理解模型的性能。
下面代码利用了 statsmodels 库中的 ols 函数来进行最小二乘拟合，然后输出了模型的摘要信息。让我解释一下：

1.导入所需库：

import numpy as np$ }3 Y2 O" c# z8 o9 x' s; Q
import pandas as pd
, g- b+ K8 E% Y: s% Y b
from statsmodels.formula.api import ols

复制代码

2.定义源数据：

dic = {
, @+ f! w2 {3 k) C( d
'x1': [7, 1, 11, 11, 7, 11, 3],( a" q5 a% n9 a, a. j$ ~
'x2': [26, 29, 56, 31, 52, 55, 71],$ S$ \1 u& `' J' B F7 m
'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],- P$ j: i$ L0 Z" s1 F
}

复制代码

3.建立最小二乘拟合模型：

model = ols('y~x1+x2', dic).fit()

复制代码

使用 ols 函数指定了模型的公式 y~x1+x2，表示因变量 y 与自变量 x1 和 x2 之间的线性关系，并利用源数据 dic 进行了最小二乘拟合。

4.输出模型摘要：

model.summary()

复制代码

调用 summary() 方法输出了模型的摘要信息，包括参数估计、标准误差、置信区间、显著性检验、拟合优度等。
通过这段代码，你可以方便地利用 statsmodels 进行统计模型的拟合和分析，并快速获取模型的详细摘要信息。

12.mul_linear_regression_statsmodels.py

491 Bytes, 下载次数: 0, 下载积分: 体力 -2 点

售价: 2 点体力 [记录] [购买]

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)