4.17数据的模型分析

# 定义模拟直线回归函数
import statsmodels.api as sm                  #加载统计模型包
def reglinedemo(n=20):                        #模拟样本例数
    x=np.arange(n)+1                          #自变量取值
    e=np.random.normal(0,1,n)                 #误差项
    y=2+0.5*x+e                               #因变量值
    x1=sm.add_constant(x)
    x1                  #加常数项
    fm=sm.OLS(y,x1).fit()
    fm                  #模型拟合，见下
    plt.plot(x,y,'.',x,fm.fittedvalues,'r-') #添加回归线，红色
    for i in range(len(x)):                   #画垂直线
        plt.vlines(x,y,fm.fittedvalues,linestyles='dotted',colors='b')
np.random.seed(12)
reglinedemo(20)

这段代码定义了 `reglinedemo` 函数用于模拟直线回归。它先生成自变量 `x`、误差项 `e` 和因变量 `y`，再用 `sm.OLS` 拟合回归模型。代码绘制样本点、红色回归线，以及从样本点到回归线的蓝色垂直线。不过原代码缺少必要的库导入，且 `plt.vlines` 调用有误。修正后补全了 `numpy`、`statsmodels.api` 和 `matplotlib.pyplot` 的导入，调整 `plt.vlines` 使其正确绘制垂直线。最后设置随机种子保证结果可复现，调用函数模拟 20 个样本点进行分析绘图。

import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm

# 定义模拟直线回归函数
def reglinedemo(n=20):
    x = np.arange(n) + 1                      # 自变量取值，从1到n
    e = np.random.normal(0, 1, n)             # 误差项，服从标准正态分布
    y = 2 + 0.5 * x + e                       # 因变量值，包含截距和斜率以及误差
    x1 = sm.add_constant(x)                   # 在自变量矩阵中添加常数项（截距）
    fm = sm.OLS(y, x1).fit()                  # 使用普通最小二乘法拟合线性回归模型
    plt.plot(x, y, '.', x, fm.fittedvalues, 'r-')  # 绘制散点图和回归线
    for i in range(len(x)):                   # 循环遍历每个数据点
        plt.vlines(x[i], y[i], fm.fittedvalues[i], linestyles='dotted', colors='b')  # 画垂直虚线连接实际值与预测值
    plt.xlabel('自变量 x')
    plt.ylabel('因变量 y')
    plt.title('模拟直线回归')
    plt.grid(True)
    plt.show()

# 调用函数进行演示
reglinedemo()

代码导入必要库后定义 `reglinedemo` 函数，默认模拟 20 个样本的线性回归。函数生成自变量、误差项与因变量，添加常数项并用 OLS 拟合模型。绘制散点图、红色回归线及蓝色垂直虚线，设置图的标签、标题和网格后展示。最后调用函数演示。

import scipy.stats as st 
M_r=st.pearsonr(BS_M.身高,BS_M.体重)
M_r 
plt.rcParams['font.sans-serif']=['SimSun'];  #设置中文字体为'宋体'
import seaborn as sns 
sns.jointplot(x='身高', y='体重', data=BS_M)
#plt.plot(BS_F.身高,BS_F.体重,'o');
#plt.title(M_r);
st.pearsonr(BS_F.身高,BS_F.体重)
sns.jointplot(x='身高', y='体重',data=BS_F);

sns.jointplot(x='身高', y='体重',data=BS_F,kind='reg',ci=0); 

        对直线回归模拟代码部分的心得 这段代码围绕直线回归模拟展开，功能较为全面且结构清晰。从代码结构上看，先定义 `reglinedemo` 函数，将直线回归模拟的一系列操作封装其中，提高了代码的模块化和复用性。在数据生成阶段，通过 `numpy` 生成自变量 `x`、服从标准正态分布的误差项 `e` 以及因变量 `y`，逻辑连贯，清晰地构建了用于回归分析的数据基础。 在回归模型拟合方面，借助 `statsmodels.api` 库的 `OLS` 方法，简洁高效地完成了普通最小二乘法拟合，整个过程符合线性回归分析的常规流程。绘图部分是亮点，不仅绘制了样本点与红色回归线，还通过 `for` 循环和 `plt.vlines` 函数准确绘制出从样本点到回归线的蓝色垂直虚线，增强了对回归模型直观展示效果。同时，添加坐标轴标签、标题和网格等操作，极大提升了图形的可读性和专业性。 不过原代码存在一些不足，如缺少关键库导入，这在实际运行时会导致错误，反映出代码在完整性上的欠缺。此外，`plt.vlines` 函数的初始调用有误，这会影响垂直虚线的正确绘制。但好在后续进行了修正，补全导入并调整函数调用，使得代码能够正常且准确地实现预期功能，这也提醒我们在编写代码时要注重细节，确保每个环节都准确无误。 ### 对相关性分析及绘图代码部分的心得 后续代码利用 `scipy.stats` 和 `seaborn` 库进行相关性分析和数据可视化。通过 `st.pearsonr` 计算皮尔逊相关系数，快速衡量变量间的线性相关程度，如对身高和体重数据的相关性分析，直接明了地给出量化结果，为理解变量关系提供了关键指标。 `seaborn` 库的 `jointplot` 函数在数据可视化方面表现出色，它能同时展示变量的单变量分布和双变量关系。绘制散点图及拟合回归线（如 `kind='reg'` 参数的使用），不仅直观呈现数据分布，还能辅助判断变量间是否存在线性趋势，在探索性数据分析中作用显著。设置中文字体为宋体，解决了中文显示可能出现的乱码问题，确保可视化结果在展示上的完整性和美观性。 整体而言，这两段代码从不同角度展示了数据分析与可视化的常用操作，为深入理解数据关系和模型构建提供了很好的示例，也让我认识到在实际编程中，代码的准确性、完整性以及可视化效果的重要性。