如何使用Statsmodels.api获得回归拦截

Question

我正在尝试使用python库计算回归输出,但我无法使用;当我使用库时获取拦截值:

import statsmodels.api as sm

它打印除截距之外的所有回归分析.

但是当我使用时:

from pandas.stats.api import ols

我的熊猫代码:

Regression = ols(y= Sorted_Data3['net_realization_rate'],x = Sorted_Data3[['Cohort_2','Cohort_3']])
print Regression  

我得到了拦截,并警告说这个librabry将来会被弃用,所以我试图使用Statsmodels.

我在使用pandas.stats.api时得到的警告:

警告(来自警告模块):文件"C:\ Python27\lib\idlelib\run.py",第325行exec代码在self.locals中FutureWarning:pandas.stats.ols模块已弃用,将在以后的版本中删除.我们引用像statsmodels这样的外部包,请参阅这里的一些示例:http://statsmodels.sourceforge.net/stable/regression.html

我的Statsmodels代码:

import pandas as pd
import numpy as np
from pandas.stats.api import ols
import statsmodels.api as sm

Data1 = pd.read_csv('C:\Shank\Regression.csv')  #Importing CSV
print Data1

运行一些清洁代码

sm_model = sm.OLS(Sorted_Data3['net_realization_rate'],Sorted_Data3[['Cohort_2','Cohort_3']])
results = sm_model.fit()
print '\n'
print results.summary()

我甚至尝试过statsmodels.formula.api:as:

sm_model = sm.OLS(formula ="net_realization_rate ~ Cohort_2 + Cohort_3", data = Sorted_Data3)
results = sm_model.fit()
print '\n'
print result.params
print '\n'
print results.summary()

但我得到错误:

TypeError:init()至少需要2个参数(给定1个)

最终输出:第一个来自熊猫第二个是来自统计数据....我想拦截vaule作为来自统计数据的熊猫的那个:

Answer 1

因此,statsmodels有一个add_constant方法需要用来显式添加拦截值.恕我直言,这比默认添加拦截的R替代方案更好.

在您的情况下,您需要这样做:

import statsmodels.api as sm
endog = Sorted_Data3['net_realization_rate']
exog = sm.add_constant(Sorted_Data3[['Cohort_2','Cohort_3']])

# Fit and summarize OLS model
mod = sm.OLS(endog, exog)
results = mod.fit()
print results.summary()

请注意,您可以在数组之前添加常量,或者通过传递True(默认)或False在prependkwag中添加常量sm.add_constant

或者,不推荐,但您可以使用Numpy显式添加常量列,如下所示:

exog = np.concatenate((np.repeat(1, len(Sorted_Data3))[:, None], 
                       Sorted_Data3[['Cohort_2','Cohort_3']].values),
                       axis = 1)

Answer 2

您还可以执行以下操作：

df['intercept'] = 1

在这里，您正在显式创建用于拦截的列。

然后，您可以像这样使用sm.OLS方法：

lm = sm.OLS(df['y_column'], df[['intercept', 'x_column']])
results = lm.fit()
results.summary()