python 分类变量回归_虚拟/分类变量线性回归

您需要指出Job或Job_index是一个分类变量；否则，在Job_index的情况下，它将被视为一个连续变量(刚好取1、2和3)，这是不对的。

您可以在statsmodels中使用几种不同的符号，下面是公式方法，它使用C()来表示分类变量：from statsmodels.formula.api import ols

fit = ols('Wage ~ C(Sex_male) + C(Job) + Age', data=df).fit()

fit.summary()

OLS Regression Results

==============================================================================

Dep. Variable: Wage R-squared: 0.592

Model: OLS Adj. R-squared: 0.048

Method: Least Squares F-statistic: 1.089

Date: Wed, 06 Jun 2018 Prob (F-statistic): 0.492

Time: 22:35:43 Log-Likelihood: -104.59

No. Observations: 8 AIC: 219.2

Df Residuals: 3 BIC: 219.6

Df Model: 4

Covariance Type: nonrobust

=======================================================================================

coef std err t P>|t| [0.025 0.975]

---------------------------------------------------------------------------------------

Intercept 3.67e+05 3.22e+05 1.141 0.337 -6.57e+05 1.39e+06

C(Sex_male)[T.1] 2.083e+05 1.39e+05 1.498 0.231 -2.34e+05 6.51e+05

C(Job)[T.Assistant] -2.167e+05 1.77e+05 -1.223 0.309 -7.8e+05 3.47e+05

C(Job)[T.Professor] -9273.0556 1.61e+05 -0.058 0.958 -5.21e+05 5.03e+05

Age -3823.7419 6850.345 -0.558 0.616 -2.56e+04 1.8e+04

==============================================================================

Omnibus: 0.479 Durbin-Watson: 1.620

Prob(Omnibus): 0.787 Jarque-Bera (JB): 0.464

Skew: -0.108 Prob(JB): 0.793

Kurtosis: 1.839 Cond. No. 215.

==============================================================================

注意：Job和Job_index不会使用相同的分类级别作为基线，因此您将看到每个级别的虚拟系数略有不同的结果，即使整个模型拟合保持不变。