Python Statsmodels QuantReg Intercept

Постановка задачи в квантильная регрессия статистических моделей проблема, их итоговый вывод по наименьшему абсолютному отклонению показывает Intercept. В этом примере они используют формулу

from __future__ import print_function
import patsy
import numpy as np
import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf
import matplotlib.pyplot as plt
from statsmodels.regression.quantile_regression import QuantReg

data = sm.datasets.engel.load_pandas().data

mod = smf.quantreg('foodexp ~ income', data)
res = mod.fit(q=.5)
print(res.summary())

                         QuantReg Regression Results                          
==============================================================================
Dep. Variable:                foodexp   Pseudo R-squared:               0.6206
Model:                       QuantReg   Bandwidth:                       64.51
Method:                 Least Squares   Sparsity:                        209.3
Date:                Fri, 09 Oct 2015   No. Observations:                  235
Time:                        15:44:23   Df Residuals:                      233
                                        Df Model:                            1
==============================================================================
                 coef    std err          t      P>|t|      [95.0% Conf. Int.]
------------------------------------------------------------------------------
Intercept     81.4823     14.634      5.568      0.000        52.649   110.315
income         0.5602      0.013     42.516      0.000         0.534     0.586
==============================================================================

The condition number is large, 2.38e+03. This might indicate that there are
strong multicollinearity or other numerical problems.

Вопрос

Как я могу получить итоговый результат с помощью Intercept без использования формулы statsmodels.formula.api as smf?


python statsmodels regression quantile
person Jarad    schedule 10.10.2015    source источник

Ответы (1)


arrow_upward
11
arrow_downward

Конечно, когда я поставил этот вопрос вместе, я понял это. Вместо того, чтобы удалять его, я поделюсь, если кто-то когда-нибудь столкнется с этим.

Как я и подозревал, мне нужно было add_constant () но я не знал как. Я делал что-то глупое и добавлял константу в переменную Y (endog) вместо переменной X (exog).

Ответ

from __future__ import print_function
import patsy
import numpy as np
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt
from statsmodels.regression.quantile_regression import QuantReg

data = sm.datasets.engel.load_pandas().data
data = sm.add_constant(data)

mod = QuantReg(data['foodexp'], data[['const', 'income']])
res = mod.fit(q=.5)
print(res.summary())

                         QuantReg Regression Results                          
==============================================================================
Dep. Variable:                foodexp   Pseudo R-squared:               0.6206
Model:                       QuantReg   Bandwidth:                       64.51
Method:                 Least Squares   Sparsity:                        209.3
Date:                Fri, 09 Oct 2015   No. Observations:                  235
Time:                        22:24:47   Df Residuals:                      233
                                        Df Model:                            1
==============================================================================
                 coef    std err          t      P>|t|      [95.0% Conf. Int.]
------------------------------------------------------------------------------
const         81.4823     14.634      5.568      0.000        52.649   110.315
income         0.5602      0.013     42.516      0.000         0.534     0.586
==============================================================================

The condition number is large, 2.38e+03. This might indicate that there are
strong multicollinearity or other numerical problems.

К вашему сведению, я нахожу интересным то, что add_constant() просто добавляет столбец 1 к вашим данным. Дополнительную информацию о add_constant() можно получить по адресу здесь.

person Jarad    schedule 10.10.2015
comment
Константу также можно добавить так: mod = QuantReg(data['foodexp'], sm.add_constant(data.income)) - person Nan Zhou; 21.06.2017