我使用多元线性回归,我有一个因变量(var)和几个独立变量(varM1, varM2,...)
我在python中使用这段代码:
z=array([varM1, varM2, varM3],int32)
n=max(shape(var))
X = vstack([np.ones(n), z]).T
a = np.linalg.lstsq(X, var)[0]
如何使用python计算每个变量的R平方变化?如果我添加或删除预测变量,我想看看回归是如何变化的。
答案 0 :(得分:2)
如果广播在此过程中是正确的,则以下内容应为您提供相关系数R
:
R = np.sqrt( ((var - X.dot(a))**2).sum() )
多变量回归的一个完整示例:
import numpy as np
x1 = np.array([1,2,3,4,5,6])
x2 = np.array([1,1.5,2,2.5,3.5,6])
x3 = np.array([6,5,4,3,2,1])
y = np.random.random(6)
nvar = 3
one = np.ones(x1.shape)
A = np.vstack((x1,one,x2,one,x3,one)).T.reshape(nvar,x1.shape[0],2)
for i,Ai in enumerate(A):
a = np.linalg.lstsq(Ai,y)[0]
R = np.sqrt( ((y - Ai.dot(a))**2).sum() )
print R