用于多个回归参数的 Statsmodels OLS 函数答案

【问题标题】：Statsmodels OLS function for multiple regression parameters用于多个回归参数的 Statsmodels OLS 函数
【发布时间】：2014-02-09 15:42:37
【问题描述】：

假设我想找到一个方程的 alpha (a) 值，它有类似的东西

y=a+ax1+ax2+...+axi

使用 OLS 假设我们从 i=2 的基本情况的 10 个值开始

#y=a+ax1+ax2

y = np.arange(1, 10)
x = np.array([[ 5, 10], [10,  5], [ 5, 15],
       [15, 20], [20, 25], [25, 30],[30, 35],
       [35,  5], [ 5, 10], [10, 15]])

使用 statsmodel 我通常会使用以下代码来获取 nx1 x 和 y 数组的根：

import numpy as np
import statsmodels.api as sm

X = sm.add_constant(x)

# least squares fit
model = sm.OLS(y, X)
fit = model.fit()
alpha=fit.params

但是当 x 不等于 y 时，这不起作用。如果您不知道 OLS 是什么，则公式为第一页上的 here。

【问题讨论】：

如果你想要y=a+ax1+ax2，那么你在设置数据的代码中颠倒了x和y。 OLS 只能处理一维 y。
@user333700 即使你把它倒过来，它也有与 nx1 数组相同的问题

标签： python numpy statistics statsmodels

【解决方案1】：

回溯告诉你出了什么问题

    raise ValueError("endog and exog matrices are different sizes")
ValueError: endog and exog matrices are different sizes

你的 x 有 10 个值，你的 y 有 9 个值。回归仅在两者具有相同数量的观察值时才有效。

endog 是 y，exog 是 x，这些是 statsmodels 中用于自变量和解释变量的名称。

如果您将 y 替换为

y = np.arange(1, 11)

然后一切都按预期进行。

【讨论】：

in alpha=fit.params 我得到了 4 个 alpha 值，但我只解决了 2 个问题，其他 2 个是从哪里来的？
你应该得到 3 个值，一个用于常数和两个斜率参数。您希望所有系数都相等吗？

【解决方案2】：

这是上面的基本问题，你说你使用 10 个项目，但你只使用 9 作为 y 的向量。

>>> import numpy
>>> len(numpy.arange(1, 10))
9

这是因为 Python 中的切片和范围会上升到但不包括停止整数。如果你这样做了：

numpy.arange(10)

您将拥有一个包含 10 个项目的列表，从 0 开始，以 9 结束。

对于回归，每组预测变量都需要一个预测变量。否则，预测器是无用的。您也可以丢弃没有预测变量的预测变量集。

【讨论】：