小编Bha*_*aja的帖子

我想知道如何计算多元线性回归中各种变量的 p 值。我确信在阅读了一些资源后，<5% 表明该变量对模型很重要。但是多元线性回归中每个变量的 p 值是如何计算的呢？

我尝试使用summary()函数查看statsmodels摘要。我只能看到价值观。我没有找到任何关于如何计算多元线性回归中各种变量的 p 值的资源。

import statsmodels.api as sm
nsample = 100
x = np.linspace(0, 10, 100)
X = np.column_stack((x, x**2))
beta = np.array([1, 0.1, 10])
e = np.random.normal(size=nsample)
X = sm.add_constant(X)
y = np.dot(X, beta) + e
model = sm.OLS(y, X)
results = model.fit() 
print(results.summary())

此问题没有错误，但需要直观地了解如何计算多元线性回归中各个变量的 p 值。