本文介绍了Python中的回归分析，包括Pearson相关系数、线性回归模型（一元与多元）以及拟合优度检验。通过实例展示了如何使用statsmodels库进行线性回归，并对股票与市场指数的数据进行了分析，得出显著的回归结果。
2000年，美国著名经济学家罗伯特·席勒在《非理性繁荣》一书中指出：“我们应当牢记，股市定价并未形成一门完美的科学。”
回归分析
pearson相关系数：
用来描述两组线性的数据一同变化移动的趋势。用数学公式表示，皮尔森相关系数等于两个变量的协方差除于两个变量的标准差。
通常情况下通过以下取值范围判断变量的相关强度：
相关系数 0.8-1.0 极强相关
0.6-0.8 强相关
0.4-0.6 中等程度相关
0.2-0.4 弱相关
0.0-0.2 极弱相关或无相关
线性回归模型：
参数解释：
x是自变量也是解释变量
y是因变量
xi是观测样本，yi是观测样本
1
最低0.47元/天 解锁文章
扫一扫
945
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
