python 线性回归 统计检验 p值_使用Python进行统计建模

点击上方『早起python』关注早起

和我一起，成为更好的自己

前言

大家好，在 之前的文章中 我们已经讲解了很多Python数据处理的方法比如 读取数据、缺失值处理、数据降维等，也介绍了一些数据可视化的方法如 Matplotlib、pyecharts等，那么在掌握了这些基础技能之后，要进行更深入的分析就需要掌握一些常用的建模方法，本文将讲解如何利用Python进行统计分析。 和之前的文章类似， 本文只讲如何用代码实现，不做理论推导与过多的结果解释(事实上常用的模型可以很轻松的查到完美的推导与解析) 。 因此读者需要掌握一些基本的统计模型比如回归模型、时间序列等 。

Statsmodels简介

在Python 中统计建模分析最常用的就是Statsmodels模块。Statsmodels是一个主要用来进行统计计算与统计建模的Python库。主要有以下功能：

• 探索性分析：包含列联表、链式方程多重插补等探索性数据分析方法以及与统计模型结果的可视化图表，例如拟合图、箱线图、相关图、时间序列图等

• 回归模型：线性回归模型、非线性回归模型、广义线性模型、线性混合效应模型等

• 其他功能：方差分析、时间序列分析等模型的参数估计与估计参数的假设检验等

安装 brew install Statsmodels 

文档 github.com/statsmodels/statsmodels

线性回归模型：普通最小二乘估计