统计思维（实例10）——回归

回归分析的目的是描述两组变量之间的关系，一组称为因变量（dependent variable），另一组称为解释变量（explanatory variable）。

如果回归分析中只有1个因变量和1个解释变量，就属于简单回归（simple regression）。本章讨论多重回归（multiple regression），涉及多个解释变量。有多个因变量的回归分析称为多元回归（multivariate regression）。

StatsModels

对于多重回归，我们将使用StatsModels，这个Python包提供了几种回归形式和其他分析方法。Anaconda自带StatsModels包，也可以单独安装。

下面使用StatsModels运行前一章最小二乘法估计：

import statsmodels.formula.api as smf

live, firsts, others = first.MakeFrames()
formula = 'totalwgt_lb ~ agepreg'
model = smf.ols(formula, data=live)
results = model.fit()

statsmodels提供2个接口。API使用字符串标识因变量和解释变量，所用语法称为patsy。这个示例使用操作符~分隔不同的变量：左边是因变量，右边是解释变量。

smf.ols以公式字符串和DataFrame live为参数，返回表示模型的OLS对象。ols代表“普通最小二乘法”。

fit方法将模型拟合到数据，返回一个RegressionResult对象，其中包含拟合结果。

多重回归

在（实例2）中，我们看到第一胎比其他胎的新生儿体重轻，而且这种效应是统计显著的，但是并没有明显机制导致第一胎的体重轻。

使用多重回归，我们可以更加系统地探索这些关系。

live['isfirst'] = live.birthord == 1
formula = 'totalwgt_lb ~ isfirst'
results = smf.ols