statsmodels是python中专门用于统计学分析的包，它能够帮我们在模型未知的情况下来检验模型的线性显著性
更多回归模型见：statsmodels-formula-api
在建立回归方程前首先导入库
import statsmodels.api as sm
import statsmodels.formula.api as smf
from statsmodels.formula.api import ols
from statsmodels.formula.api import poisson
statsmodel实现回归的基本步骤：
- 输入回归方程
- fit model as result
- print result
如果想进行多种回归且因变量自变量不变，则可以暂时先把他们储存起来，后续在建立模型的时候就可以直接使用x, y
from patsy import dmatrices
y, X = dmatrices('like ~ stars + text_len + sentiment + polarity', data=df, return_type="dataframe")
model = sm.OLS(y, X)
res = model.fit()
print(res.summary())
- 多元线性回归
model_ols = smf.ols(formula='like ~ stars + text_len + sentiment + polarity',data=df)
res_ols = model_ols.fit()
print(res_ols.summary())
结果解释详见：详解用 statsmodels 进行回归分析
- 泊松回归 (Poisson)
model_pos = poisson(formula='''like ~ stars + text_len + sentiment + polarity''',data=df)
results_pos = model_pos.fit()
print(results_pos.summary())
聚集标准误
model_pos_clu = poisson(formula='''like ~ stars + text_len + sentiment + polarity''',data=df)
results_pos_clu = model_pos_clu.fit(cov_type='cluster', cov_kwds={'groups': df['business_id']})
print(results_pos_clu.summary())
参考来源：Clustered standard errors in statsmodels with categorical variables (Python)
参数详解：statsmodels.regression.linear_model.OLS.fit
更多结果提取：python statsmodel 回归结果提取（回归系数、t值、pvalue、R方、、、、）
Original: https://blog.csdn.net/weixin_46599926/article/details/123458300
Author: 羊羊猪
Title: Python+statsmodels实现多元线性回归和泊松回归
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/634627/
转载文章受原作者版权保护。转载请注明原作者出处！