scipy回归模型的残差之和

Question

我正在使用python进行统计工作簿，我遇到了一个实践问题。它与泊松回归相关，这里是问题陈述：-

执行以下任务：

1. 从MASS包中加载R数据集保险并将数据捕获为熊猫数据框
2. 用一个对数的对数建立一个Poisson回归模型 自变量，持有人和因变量声明。
3. 使模型适合数据。
4. 找到残差之和。

我坚持上面的第4点。任何人都可以帮助执行此步骤吗？

这是我到目前为止所做的：-

import statsmodels.api as sm
import statsmodels.formula.api as smf
import numpy as np
df = sm.datasets.get_rdataset('Insurance', package='MASS', cache=False).data
poisson_model = smf.poisson('np.log(Holders) ~ -1 + Claims', df)
poisson_result = poisson_model.fit()
print(poisson_result.summary())

现在如何获得残差之和？

Answer 1

尝试下面的壁画播放代码

import statsmodels.api as sm
import statsmodels.formula.api as smf
import pandas as pd
import numpy as np
df_insurance=sm.datasets.get_rdataset("Insurance","MASS")
df_data=df_insurance.data
insurance_model=smf.poisson('Claims ~ np.log(Holders)', df_data).fit()
print(np.cumsum(insurance_model.resid))

Answer 2

np.sum（poisson_result.resid）

工作正常

您使用了错误的变量来构建Karthikeyan指出的泊松模型。 改用

poisson_model = smf.poisson（'索赔〜np.log（持有人）'，df）

Answer 3

1.a）从MASS包中加载R数据集保险

1.b）并将数据捕获为熊猫数据框

2）用自变量，Holders和因变量Claims的对数建立泊松回归模型。

3）用数据拟合模型。

4）求出残差之和。

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

#load the R data set insurrance from MASS package
ins = sm.datasets.get_rdataset('Insurance','MASS').data
# capture the data as pandas data frame
ins_pd = pd.DataFrame(ins)
# build a poisson regressions model with
# a log of an independent variable "Holders" 
# and dependent variable "Claims"
# fit the model with data
result = smf.poisson('Claims ~ np.log(Holders)',data=ins).fit()
# you can also use
# model = smf.poisson('Claims ~ np.log(Holders)',data=ins)
# result = model.fit()

# Find tue sum of residuals
print('Sum ot the residuals:',np.sum(result.resid))

我是新来的，所以我不知道是否以熊猫数据框的形式捕获数据是否正确，但现在让我来

问候

Answer 4

壁画墨西哥人

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

df_data=sm.datasets.get_rdataset("Insurance","MASS").data
df_dataf= pd.DataFrame(df_data)
insurance_model=smf.poisson('Claims ~ np.log(Holders)',df_data)
insurance_model_result=insurance_model.fit()
print(np.sum(insurance_model_result.resid))

Answer 5

在poisson_model = smf.poisson（'np.log（Holders）〜-1 + Claims'，df）语句中，因变量“ Claims”应该出现在右侧

poisson_model = smf.poisson（'索赔〜np.log（Holders）-1'，df）

Answer 6

如果有人正在寻找解决方案，则有“壁画”资格

df_insurance=sm.datasets.get_rdataset("Insurance","MASS")
df_data=df_insurance.data
insurance_model=smf.poisson('Claims ~ np.log(Holders)',df_data)
insurance_model_result=insurance_model.fit()
res=(insurance_model_result.resid)
print(np.sum(res))

Answer 7

我不知道它是否可以工作。但是我参考了这份文档

https://vincentarelbundock.github.io/Rdatasets/doc/MASS/Insurance.html https://vincentarelbundock.github.io/Rdatasets/datasets.html

所以我希望这也会起作用。

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

data=pd.DataFrame(sm.datasets.get_rdataset("Insurance","MASS",cache=True).data)
model=smf.poisson('Claims ~ District + Group + Age + np.log(Holders)',data).fit()
print(np.sum(model.resid))

Answer 8

尝试np.cumsum(model.resid)这个问题。

理想情况下，np.sum(model.resid)应该是该问题的正确答案...但是，如果系统不接受，请尝试cumsum