Question

基本上，我试图在没有截距的情况下基于数据帧运行回归，因此我将拟合截距设置为false，但是以下代码产生的参数包括截距。有人知道为什么会这样吗？

model2 = smf.ols('Y ~ X', data=df_final)
result2 = model2.fit(cov_type = 'HAC', cov_kwds = {'maxlags':5}, fit_intercept= False)
result2.params

Intercept    0.032649
X            0.014521
dtype: float64

Answer 1

使用公式运行OLS模型时，默认情况下会添加拦截器。省略拦截项的一种方法是在公式中添加-1：

import pandas as pd
import numpy as np
import statsmodels.formula.api as smf

df = pd.DataFrame({'X': np.random.randint(0, 100, size=20),
                   'Y': np.random.randint(0, 100, size=20)})

model = smf.ols('Y ~ X - 1', data=df)
result = model.fit()

拟合的模型现在仅包含一个参数（对于X）：

X    0.691876
dtype: float64

如果您不使用公式api，则OLS模型不包含拦截器，因此您不必担心它（在这种情况下，您需要将其显式添加到数据中）

我不确定您从何处获得fit_intercept参数，因为我在statsmodels documentation或source code中找不到对它的任何引用。也许您正在考虑使用scikit-learn进行线性回归，它确实使用参数来控制截距

为什么即使我设置fit_intercept = False，我的回归模型仍会返回截距？

1 个答案: