@创建于:2022.12.12
@修改于:2022.12.12
1、训练模型
相关函数官网链接:
statsmodels.regression.linear_model.OLSResults
statsmodels.discrete.discrete_model.LogitResults
import statsmodels.api as sm
# 模型训练
model = sm.OLS(y, x).fit()
或者
model = sm.Logit(y, sm.add_constant(X)).fit(disp=False)
# 查看模型结果
print(model.summary())
# summary2显示的内容与summary不同
print(model.summary2())
# 只打印第二张表的内容
print(model.summary2().tables[1])
2、提取元素-回归系数类
# 提取回归系数
model.params
# 提取回归系数标准差
model.bse
# 提取回归系数p值
model.pvalues
# 提取回归系数t值
model.tvalues
# 提取回归系数置信区间 默认5%,括号中可填具体数字 比如0.05, 0.1
model.conf_int()
# 提取模型预测值
model.fittedvalues
# 提取残差
model.resid
# 模型自由度(系数自由度)
model.df_model
# 残差自由度(样本自由度)
model.df_resid
# 模型样本数量
model.nobs
3、模型评价类
# 提取R方
model.rsquared
# 提取调整R方
model.rsquared_adj
# 提取AIC
model.aic
# 提取BIC
model.bic
# 提取F-statistic
model.fvalue
# 提取F-statistic 的pvalue
model.f_pvalue
# 模型mse
model.mse_model
# 残差mse
model.mse_resid
# 总体mse
model.mse_total
4、计量经济学方面的系数
# 协方差矩阵比例因子
model.scale
# White异方差稳健标准误
model.HC0_se
# MacKinnon和White(1985)的异方差稳健标准误
model.HC1_se
# White异方差矩阵
model.cov_HC0
# MacKinnon和White(1985)的异方差矩阵
model.cov_HC1