Python统计实战：一题搞定一元线性回归分析、模型诊断分析

为了解决特定问题而进行的学习是提高效率的最佳途径。这种方法能够使我们专注于最相关的知识和技能，从而更快地掌握解决问题所需的能力。

（以下练习题来源于《统计学—基于Python》。联系获取完整数据和Python源代码文件。）

---

练习题

下面是来自R语言的anscombeh数据集（前3行和后3行）。

x1	x2	x3	x4	y1	y2	y3	y4
10	10	10	8	8.04	9.14	7.46	6.58
8	8	8	8	6.95	8.14	6.77	5.76
13	13	13	8	7.58	8.74	12.74	7.71
...	...	...	...	...	...	...	...
12	12	12	8	10.84	9.13	8.15	5.56
7	7	7	8	4.82	7.26	6.42	7.91
5	5	5	8	5.68	4.74	5.73	6.89

分别绘制x1和y1、x2和y2、x3和y3、x4和y4的散点图，并建立一元线性回归模型，从散点图和各回归模型中你会得到哪些启示？

---

计算与结果分析

1、先分别绘制x1和y1、x2和y2、x3和y3、x4和y4的散点图以观察它们之间的关系，如下图所示。明显可以看到图(d)是不合理的。

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Songti SC'] # 设置中文字体
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号
df = pd.read_csv('exercise10_1.csv')

plt.subplots(2, 2, figsize = (8, 5))

plt.subplot(221)
sns.regplot(data = df, x = df['x1'], y = df['y1'],
           fit_reg = True, marker = '+')  # 添加回归线
plt.title('(a)x1与y1添加回归线和置信带的散点图', fontsize = 10)

plt.subplot(222)
sns.regplot(data = df, x = df['x2'], y = df['y2'],
           fit_reg = True, marker = '+')  # 添加回归线
plt.title('(b)x2与y2添加回归线和置信带的散点图', fontsize = 10)

plt.subplot(223)
sns.regplot(data = df, x = df['x3'], y = df['y3'],
           fit_reg = True, marker = '+')  # 添加回归线
plt.title('(c)x3与y3添加回归线和置信带的散点图', fontsize = 10)

plt.subplot(224)
sns.regplot(data = df, x = df['x4'], y = df['y4'],
           fit_reg = True, marker = '+')  # 添加回归线
plt.title('(d)x4与y4添加回归线和置信带的散点图', fontsize = 10)

plt.tight_layout()

2、针对每组数据建立一元回归模型。Python计算结果如下图呈现。

拟合回归模型 y1 ~ x1

# 拟合回归模型 y1 ~ x1
import pandas as pd
from statsmodels.formula.api import ols
df = pd.read_csv('exercise10_1.csv')

model1 = ols('y1 ~ x1', data = df).fit()
print(model1. summary())

拟合回归模型 y2 ~ x2

# 拟合回归模型 y2 ~ x2  
import pandas as pd
from statsmodels.formula.api import ols
df = pd.read_csv('exercise10_1.csv')

model2 = ols('y2 ~ x2', data = df).fit()
print(model2. summary())

拟合回归模型 y3 ~ x3

# 拟合回归模型 y3 ~ x3
import pandas as pd
from statsmodels.formula.api import ols
df = pd.read_csv('exercise10_1.csv')

model3 = ols('y3 ~ x3', data = df).fit()
print(model3. summary())

拟合回归模型 y4 ~ x4

# 拟合回归模型 y4 ~ x4
import pandas as pd
from statsmodels.formula.api import ols
df = pd.read_csv('exercise10_1.csv')

model4 = ols('y4 ~ x4', data = df).fit()
print(model4. summary())

最后对4个模型进行诊断，分别绘制出它们的残差和拟合值图。

比较可知，各模型基本相同。但散点图和诊断图均显示，建立的 4 个线性模型中， 只有模型 1 是正确的，其余均不正确，应考虑建立非线性模型。

# 绘制模型诊断图
import pandas as pd
import numpy as np
from statsmodels.formula.api import ols
import statsmodels.api as sm
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Songti SC'] # 设置中文字体
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号
df = pd.read_csv('exercise10_1.csv')

model1 = ols('y1 ~ x1', data = df).fit() # 拟合模型
model2 = ols('y2 ~ x2', data = df).fit()
model3 = ols('y3 ~ x3', data = df).fit()
model4 = ols('y4 ~ x4', data = df).fit()

# 绘制残差与拟合值图
plt.subplots(2, 2, figsize = (8, 5))

plt.subplot(221)
plt.scatter(model1.fittedvalues, model1.resid)
plt.xlabel('拟合值')
plt.ylabel('残差')
plt.title('(a)y1与x1残差与拟合值图', fontsize = 10)
plt.axhline(0, ls = '--')

plt.subplot(222)
plt.scatter(model2.fittedvalues, model2.resid)
plt.xlabel('拟合值')
plt.ylabel('残差')
plt.title('(a)y2与x2残差与拟合值图', fontsize = 10)
plt.axhline(0, ls = '--')

plt.subplot(223)
plt.scatter(model3.fittedvalues, model3.resid)
plt.xlabel('拟合值')
plt.ylabel('残差')
plt.title('(a)y3与x3残差与拟合值图', fontsize = 10)
plt.axhline(0, ls = '--')

plt.subplot(224)
plt.scatter(model4.fittedvalues, model4.resid)
plt.xlabel('拟合值')
plt.ylabel('残差')
plt.title('(a)y4与x4残差与拟合值图', fontsize = 10)
plt.axhline(0, ls = '--')

plt.tight_layout()

---

都读到这里了，不妨关注、点赞一下吧！