python 变量 r_在python中为每个预测变量调整R平方

下面的内容不会给出所有的答案，但是它会让您使用python、pandas和statsmodels进行回归分析。

给定这样的数据帧。。。# Imports

import pandas as pd

import numpy as np

import itertools

# A datafrane with random numbers

np.random.seed(123)

rows = 12

listVars= ['y','x1', 'x2', 'x3']

rng = pd.date_range('1/1/2017', periods=rows, freq='D')

df_1 = pd.DataFrame(np.random.randint(100,150,size=(rows, len(listVars))), columns=listVars)

df_1 = df_1.set_index(rng)

print(df_1)

{a1}

…您可以使用statsmodels库并更改下面片段中的result = model.rsquared部分来获得任何回归结果：

^{pr2}$

现在你有了r平方。使用model.pvalues作为p值。并使用dir(model)来更仔细地查看其他模型结果(输出中的结果比您在下面看到的要多)：

现在，这应该能让你得到你想要的结果。

要获得所有变量/列组合的期望结果，问答here应该能让您走得更远。

编辑：您可以使用model.summary()更仔细地查看一些常见的回归结果。将其与dir(model)一起使用，您可以看到并不是所有的回归结果都是可用的，与pvalues使用model.pvalues的方式相同。例如，要获得Durbin Watson，您必须使用durbinwatson = sm.stats.stattools.durbin_watson(model.fittedvalues, axis=0)。

This post得到了关于这个问题的更多信息。