使用Python计算线性回归标准化系数（beta）

Question

我想使用Python中的标准工具（numpy，pandas，scipy.stats等）来计算线性回归模型的beta或标准化系数。

我的一个朋友告诉我，这是在R中使用以下命令完成的：

lm(scale(y) ~ scale(x))

目前，我正在Python中像这样计算它：

from scipy.stats import linregress
from scipy.stats.mstats import zscore

(beta_coeff, intercept, rvalue, pvalue, stderr) = linregress(zscore(x), zscore(y))
print('The Beta Coeff is: %f' % beta_coeff)

有没有更直接的函数可以在Python中计算该数字？

Answer 1

Python是一种通用语言，但是R是专门为统计而设计的。几乎总是要花几行代码才能在python中实现相同的（统计）目标，这完全是因为R可以在lm启动时立即准备好适合回归模型（使用）。

对您的问题的简短回答是：否-您的python代码已经非常简单了。

也就是说，我认为与您的R代码更接近的是

import statsmodels.api as sm
from scipy.stats.mstats import zscore

print sm.OLS(zscore(y), zscore(x)).fit().summary()