之前看sklearn線性模型沒有R方,F檢驗,迴歸係數T檢驗等指標,於是看到了statsmodels這個庫,看着該庫輸出的結果真是夠懷念的。。
文章目錄
1 安裝
pip install statsmodels
不過有可能會報錯:
ImportError: cannot import name 'factorial' from 'scipy.misc'
(E:\Anaconda3.7\lib\site-packages\scipy\misc\__init__.py)
是跟scipy版本不匹配,筆者是刪掉之前的pip uninstall statsmodels
,再重新安裝了一下就好了:
pip install --pre statsmodels -i https://pypi.tuna.tsinghua.edu.cn/simple
2 相關模型介紹
相關文檔可見:https://www.statsmodels.org/stable/examples/index.html
包含的模型有:
2.1 線性模型
2.2 離散選擇模型(Discrete Choice Model, DCM)
參考:離散選擇模型(Discrete Choice Model, DCM)簡介——之一
離散選擇模型(Discrete Choice Model, DCM)在經濟學領域和社會學領域都有廣泛的應用。
例如,消費者在購買汽車的時候通常會比較幾個不同的品牌,如福特、本田、大衆,等等。
如果將消費者選擇福特汽車記爲Y=1,選擇本田汽車記爲Y=2,選擇大衆汽車記爲Y=3;那麼在研究消費者選擇何種汽車品牌的時候,由於因變量不是一個連續的變量(Y=1, 2, 3),傳統的線性迴歸模型就有一定的侷限(見DCM系列文章第2篇)。
再比如,在交通安全研究領域,通常將交通事故的嚴重程度劃分爲3大類:
- (1)僅財產損失(Property Damage Only, PDO),
- (2)受傷(Injury),
- (3)死亡(Fatality);
在研究各類因素(如道路坡度、彎道曲率等、車齡、光照、天氣條件等)對事故嚴重程度的影響的時候,由於因變量(事故嚴重程度)是一個離散變量(僅3個選項),使用離散選擇模型可以提供一個有效的建模途徑。
2.3 非參數統計
2.4 廣義線性模型 - Generalized Linear Models
2.5 穩健迴歸——Robust Regression
2.6 廣義估計方程
2.7 方差分析
2.8 時間序列分析——Time Series Analysis
2.9 空間計量必備:狀態空間模型——State space models
2.10 多元統計模型——因子/主成分分析
3 相關模型demo
3.1 線性迴歸模型
可參考:https://www.statsmodels.org/stable/examples/notebooks/generated/ols.html
# 線性模型
import statsmodels.api as sm
import numpy as np
x = np.linspace(0,10,100)
y = 3*x + np.random.randn()+ 10
# Fit and summarize OLS model
X = sm.add_constant(x)
mod = sm.OLS(y,X)
result = mod.fit()
print('Parameters: ', result .params)
print('Standard errors: ', result .bse)
print('Predicted values: ', result .predict())
print(result.summary())
# 預測數據
print(result.predict(X[:5]))
輸出結果超級熟悉。
result.params
是迴歸係數result.summary()
把模型相關係數都打印出來
其中,預測的時候,如果不給入參數result.predict()
,則默認是X
3.2 廣義線性模型——GLM
參考:https://www.statsmodels.org/stable/examples/notebooks/generated/glm.html
import statsmodels.formula.api as smf
star98 = sm.datasets.star98.load_pandas().data
formula = 'SUCCESS ~ LOWINC + PERASIAN + PERBLACK + PERHISP + PCTCHRT + \
PCTYRRND + PERMINTE*AVYRSEXP*AVSALK + PERSPENK*PTRATIO*PCTAF'
dta = star98[['NABOVE', 'NBELOW', 'LOWINC', 'PERASIAN', 'PERBLACK', 'PERHISP',
'PCTCHRT', 'PCTYRRND', 'PERMINTE', 'AVYRSEXP', 'AVSALK',
'PERSPENK', 'PTRATIO', 'PCTAF']].copy()
endog = dta['NABOVE'] / (dta['NABOVE'] + dta.pop('NBELOW'))
del dta['NABOVE']
dta['SUCCESS'] = endog
mod1 = smf.glm(formula=formula, data=dta, family=sm.families.Binomial()).fit()
mod1.summary()
mod1.predict(dta)
formula
是常規的公式,其中所有X/Y數據都放在一個dataframe之中。
print('Total number of trials:', data.endog[0].sum())
print('Parameters: ', res.params)
print('T-values: ', res.tvalues)
包括了迴歸係數,T檢驗值
3.3 穩健迴歸
參考:https://www.statsmodels.org/stable/examples/notebooks/generated/robust_models_0.html
nsample = 50
x1 = np.linspace(0, 20, nsample)
X = np.column_stack((x1, (x1-5)**2))
X = sm.add_constant(X)
sig = 0.3 # smaller error variance makes OLS<->RLM contrast bigger
beta = [5, 0.5, -0.0]
y_true2 = np.dot(X, beta)
y2 = y_true2 + sig*1. * np.random.normal(size=nsample)
y2[[39,41,43,45,48]] -= 5 # add some outliers (10% of nsample)
X2 = X[:,[0,1]]
res2 = sm.OLS(y2, X2).fit()
print(res2.params)
print(res2.bse)
resrlm2 = sm.RLM(y2, X2).fit()
print(resrlm2.params)
print(resrlm2.bse)
print(resrlm2.summary())
4 其他
4.1 模型結果如何CSV導出?
可以通過as_csv()
將模型導出
resrlm2 = sm.RLM(y, x).fit()
resrlm2.summary()
with open( 'model_rlm.csv', 'w') as fh:
fh.write(resrlm2.summary().as_csv())
不過導出的格式比較奇怪:
4.2 畫模型圖以及保存
import statsmodels.api as sm
import numpy as np
import matplotlib.pyplot as plt
# 準備數據
x = np.linspace(0,10,100)
y = 3*x + np.random.randn()+ 10
# Fit and summarize OLS model
res = sm.OLS(y,x).fit()
print(res.params)
print(res.summary())
# 穩健迴歸
resrlm = sm.RLM(y, x).fit()
# 畫圖
fig, ax = plt.subplots(figsize=(8,6))
ax.plot(x, y, 'o', label="truey ")
ax.plot(x, res.predict(), 'o', label="ols") # res2.predict(X2) == res2.predict()
ax.plot(x, resrlm.predict(), 'b-', label="rlm")# resrlm2.predict(X2) == resrlm2.predict()
legend = ax.legend(loc="best")
# 圖保存
plt.savefig( 'image.jpg')
4.3 快速獲取模型輸出參數:P檢驗、F檢驗、P統計量
def get_model_param(res2,name = 'all'):
model_param_dict = {'name':name, # 模型的名字
'rsquared':res2.rsquared, # R方
'fvalue':res2.fvalue, # F值,整個模型
'f_pvalue':res2.f_pvalue, # P值,整個模型
'params':res2.params[0], # 迴歸係數
'pvalues':res2.pvalues[0], # 迴歸係數 P檢驗 0.000
'tvalues':res2.tvalues[0]} # 迴歸係數 T檢驗 276.571
return model_param_dict