如何使用Statsmodels.api获得回归拦截

Question

我正在尝试使用python库计算回归输出，但我无法使用; e在我使用库时获取拦截值：

import statsmodels.api as sm

它打印除拦截之外的所有回归分析。

但是当我使用时：

from pandas.stats.api import ols

我的熊猫代码：

Regression = ols(y= Sorted_Data3['net_realization_rate'],x = Sorted_Data3[['Cohort_2','Cohort_3']])
print Regression  

我得到了拦截，并警告说将来不推荐使用此librabry，因此我尝试使用Statsmodels。

使用pandas.stats.api时收到的警告：

  

警告（来自警告模块）：    文件“C：\ Python27 \ lib \ idlelib \ run.py”，第325行       self.locals中的exec代码   FutureWarning：不推荐使用pandas.stats.ols模块，将来的版本将删除它。我们引用像statsmodels这样的外部包，请参阅这里的一些示例：http://statsmodels.sourceforge.net/stable/regression.html

我的Statsmodels代码：

import pandas as pd
import numpy as np
from pandas.stats.api import ols
import statsmodels.api as sm

Data1 = pd.read_csv('C:\Shank\Regression.csv')  #Importing CSV
print Data1

运行一些清洁代码

sm_model = sm.OLS(Sorted_Data3['net_realization_rate'],Sorted_Data3[['Cohort_2','Cohort_3']])
results = sm_model.fit()
print '\n'
print results.summary()

我甚至尝试过statsmodels.formula.api： 为：

sm_model = sm.OLS(formula ="net_realization_rate ~ Cohort_2 + Cohort_3", data = Sorted_Data3)
results = sm_model.fit()
print '\n'
print result.params
print '\n'
print results.summary()

但是我收到了错误：

  

TypeError： init （）至少需要2个参数（给定1个）

最终输出： 第一个是来自熊猫，第二个是来自统计数据....我想拦截vaule作为来自统计数据的熊猫的那个：

Answer 1

因此，statsmodels有一个add_constant方法，您需要使用它来显式添加拦截值。恕我直言，这比默认添加截距的R替代方法更好。

在您的情况下，您需要这样做：

import statsmodels.api as sm
endog = Sorted_Data3['net_realization_rate']
exog = sm.add_constant(Sorted_Data3[['Cohort_2','Cohort_3']])

# Fit and summarize OLS model
mod = sm.OLS(endog, exog)
results = mod.fit()
print results.summary()

请注意，您可以在数组之前或之后添加常量，方法是将True（默认值）或False传递给prepend sm.add_constant kwag >

或者，不推荐，但你可以使用Numpy显式添加一个常量列，如下所示：

exog = np.concatenate((np.repeat(1, len(Sorted_Data3))[:, None], 
                       Sorted_Data3[['Cohort_2','Cohort_3']].values),
                       axis = 1)

Answer 2

您还可以执行以下操作：

df['intercept'] = 1

在这里，您正在为拦截器显式创建一列。

然后，您可以像这样使用sm.OLS方法：

lm = sm.OLS(df['y_column'], df[['intercept', 'x_column']])
results = lm.fit()
results.summary()