मैं statsmodels का उपयोग करके डिफ़ॉल्ट 95% के बजाय 99% आत्मविश्वास अंतराल के साथ एक प्रतिगमन चलाना चाहता हूं।

मैंने दस्तावेज़ीकरण को देखा यदि फ़िट () विधि में कोई तर्क है, लेकिन मुझे कुछ नज़र नहीं आया। मैंने conf_int विधि की भी कोशिश की लेकिन मैं आउटपुट से भ्रमित हूं।

import pandas as pd
import math
import statsmodels.formula.api as sm
df = pd.read_excel(r'C:\TestData.xlsx')
df['LogBalance'] = df['Balance'].map(lambda x: math.log(x))
est = sm.ols(formula= 'LogBalance ~ N + Rate',       
    data=df).fit(cov_type='HAC',cov_kwds={'maxlags':1})
print(est.summary())
print(est.conf_int(alpha=0.01, cols=None))

चूंकि मैं पायथन में नया हूं, क्या आप मुझे बता सकते हैं कि प्रारंभिक प्रतिगमन आउटपुट में यदि संभव हो तो मैं समायोजित आत्मविश्वास अंतराल के साथ statsmodels में प्रतिगमन कैसे और कैसे कर सकता हूं?

धन्यवाद

0
Csts 21 जून 2019, 23:14

1 उत्तर

सबसे बढ़िया उत्तर

आप विश्वास अंतराल को .summary() सीधे कृपया निम्नलिखित उदाहरण पर विचार करें:

import statsmodels.formula.api as smf
import seaborn as sns

# load a sample dataset
df = sns.load_dataset('tips')

# run model
formula = 'tip ~ size + total_bill'
results = smf.ols(formula=formula, data=df).fit()
# use 95 % CI (default setting)
print(results.summary())
OLS Regression Results                            
==============================================================================
Dep. Variable:                    tip   R-squared:                       0.468
Model:                            OLS   Adj. R-squared:                  0.463
Method:                 Least Squares   F-statistic:                     105.9
Date:                Fri, 21 Jun 2019   Prob (F-statistic):           9.67e-34
Time:                        21:42:09   Log-Likelihood:                -347.99
No. Observations:                 244   AIC:                             702.0
Df Residuals:                     241   BIC:                             712.5
Df Model:                           2                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
Intercept      0.6689      0.194      3.455      0.001       0.288       1.050
size           0.1926      0.085      2.258      0.025       0.025       0.361
total_bill     0.0927      0.009     10.172      0.000       0.075       0.111
==============================================================================
Omnibus:                       24.753   Durbin-Watson:                   2.100
Prob(Omnibus):                  0.000   Jarque-Bera (JB):               46.169
Skew:                           0.545   Prob(JB):                     9.43e-11
Kurtosis:                       4.831   Cond. No.                         67.6
==============================================================================
# use 99 % CI
print(results.summary(alpha=0.01))
OLS Regression Results                            
==============================================================================
Dep. Variable:                    tip   R-squared:                       0.468
Model:                            OLS   Adj. R-squared:                  0.463
Method:                 Least Squares   F-statistic:                     105.9
Date:                Fri, 21 Jun 2019   Prob (F-statistic):           9.67e-34
Time:                        21:45:57   Log-Likelihood:                -347.99
No. Observations:                 244   AIC:                             702.0
Df Residuals:                     241   BIC:                             712.5
Df Model:                           2                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.005      0.995]
------------------------------------------------------------------------------
Intercept      0.6689      0.194      3.455      0.001       0.166       1.172
size           0.1926      0.085      2.258      0.025      -0.029       0.414
total_bill     0.0927      0.009     10.172      0.000       0.069       0.116
==============================================================================
Omnibus:                       24.753   Durbin-Watson:                   2.100
Prob(Omnibus):                  0.000   Jarque-Bera (JB):               46.169
Skew:                           0.545   Prob(JB):                     9.43e-11
Kurtosis:                       4.831   Cond. No.                         67.6
==============================================================================
1
steven 22 जून 2019, 04:46