Question

我尝试使用scipy的linregress()在我的数据中使用最小的方形线，如下所示：

from scipy import stats
import numpy as np

y = [30, 60, 19, 28, 41, 49, 62, 75, 81]
x = np.arange(0,9)

grad, intercept, r_value, p_value, std_err = stats.linregress(x,y)

但是，我还想在特定点修复y截距。

理想情况下，我计划将其修复为y列表中的第一个值。换句话说，我真正想要做的是我希望最合适的行能够通过y列表中的第一个值，在我的示例中为30。

但看起来Scipy正在为我决定y拦截。

如何在scipy的线性回归方法中将y截距固定为特定值？

PS ：我也试过使用statsmodels＆＃39; OLS，但它只允许我留在y-intercept = 0或让它为我决定最好的拦截。

Answer 1

在statsmodels中你可以移动y使原点为零并排除截距：

res = OLS(y - 30., x).fit()

其中x包含没有截距的回归量（一列）。然后解释是我们预测偏离30。

y_predicted = 30 + res.predict(...)

几乎所有的统计量，如bse，tvalues，pvalues和像rsquared这样的拟合统计量，都与位置偏移无关，假设常量固定在移位值上。

Answer 2

在诸如抛物线的多项式中：

Y = a + bX + cX ^ 2

当X = 0时，则Y = a，因此如果您拟合多项式并且可以对a使用固定值，则可以使Y截距等于您希望的任何值。再次使用抛物线的例子，如果你将数据拟合到等式中：

Y = 7.5 + bX + cX ^ 2

然后上式的拟合截距为7.5。

如何在线性回归中修正y截距值？

2 个答案: