如何使用 statsmodels 和 sklearn 在回归中添加控制变量？

【问题标题】：How to add control variable in regression using statsmodels and sklearn?如何使用 statsmodels 和 sklearn 在回归中添加控制变量？
【发布时间】：2020-01-10 08:08:36
【问题描述】：

我正在尝试使用 statsmodels 和 sklearn 执行多元线性回归，同时控制社会经济地位（年龄、性别、种族）等协变量。我已经在SPSS中完成了，这很容易，因为我可以点击我想要控制的变量，但是我必须切换到python，并且不知道是否有任何函数可以让我这样做? 非常感谢！

【问题讨论】：

标签： python scikit-learn linear-regression statsmodels

【解决方案1】：

如果我对您的问题的理解正确，那么您是在尝试弄清楚如何编写多元回归代码？

你想做的事：

import statsmodels.formula.api as smf
results = smf.ols('y ~ x1 + age', data=df).fit()
print(results.summary())

这会将 y 回归到您的 x1 和年龄。

如果您想包含性别或种族等内容，则需要引入虚拟变量。 Statsmodels 可以通过在虚拟变量周围编写 C() 来快速做到这一点。这使变量成为类别变量（请记住，数据中的第一个种族或性别将是省略的变量）。

results_2 = smf.ols('y ~ x1 + age + C(ethnicity) + C(gender)', data=df).fit()
print(results_2.summary())

希望对您有所帮助。

【讨论】：