Statsmodels：[2]快速入门

这是Python.statsmodels系列文章的第二篇，为了让大家快速入门，理解statsmodels工作的整个过程，我找到了一个很好的例子，在这里介绍给大家。下面我们来一步步介绍这个例子。

引入相关模块，pandas主要用到了他的DataFrame，sm用到了回归分析，patsy.dmatrices用于生成design matrix



先获取数据，本例子用到的数据保存在网上的csv文件，我们可以使用pandas.read_csv方便的读取数据（url='http://vincentarelbundock.github.com/Rdatasets/csv/HistData/Guerry.csv'）



查看一下数据的前五行，有很多列，显示有点混乱





下面筛选出我们需要的列：



这是最后得到的数据：



由于最后一行有NaN值，所以需要使用dropna删除该行数据



生成design matrix，我们建立的模型是y=BX，因此需要分别求得y和X矩阵，而dmatrices就是干这个的



这是y



这是X矩阵：我们会发现分类变量自动的转换成了哑变量



OLS指的是一般最小二乘，fit方法对回归方程进行估计，summary保存着计算的结果



这是输出的模型的估计结果：





现在我们要进一步检验数据是不是适合使用OLS，我们暂且先检验一下数据是否为线性，虚无假设是线性的，采用Rainbow test



输出结果为：第一个为F值，第二个为P值，显然未能拒绝虚无假设



接着，我们绘制偏回归线观察数据点是否分布在估计得到的直线的附近（图为控制了Rgion和Literacy后wealth对lottery的回归关系）