python中的回归模型

常用统计学回归模型应用场景与python实现方法
https://blog.csdn.net/woshikuangdage/article/details/81181073#表格
编辑帮助文档链接

https://blog.csdn.net/Miss_yan/article/details/81865634
表格编辑方法链接

https://blog.csdn.net/TiffanyRabbit/article/details/71487217?utm_source=blogxgwz0
常用的回归模型链接

https://blog.csdn.net/scc_hy/article/details/82813148
一元线性回归及显著性

https://wizardforcel.gitbooks.io/scipy-lecture-notes/content/14.html
Python中的统计学中文

http://www.statsmodels.org/stable/
Statsmodels’s 官方文档统计学

在信息管理、数据科学或fintech等研究中，有时会遇到统计学回归模型，那么这些基本统计回归模型的使用场景是什么？该如何用python快捷的实现统计回归呢？本文从数据类型出发对统计回归模型进行了分类整理，并基于python的statsmodel库（类R语言），给出了这些模型的一种实现方案。

一、理清数据类型：横截面数据、时间序列数据、分层数据or面板数据
为了下文表达清晰，构造一张经典表如下：

Table 1 2000 2001 2002 2000 2001 2002 2000 2001 2002
北京 9 10 11 12 13 14 15 16 17
上海 8 9 10 11 12 13 14 15 16
天津 5 6 7 8 9 10 11 12 13

–	–
–	–
–	–

|–|--|
|北京 | 9 |

横截面数据：同一时间，不同统计单位相同统计指标组成的数据列，按照统计单位排列。如：
Table 2 2000
北京 9
上海 8
天津 5
时间序列数据：某事物、现象随时间的变化状态，即它在不同时间点的数据。如：
Table 3 2000 2001 2002 2000 2001
北京 9 10 11 12 13
分层数据： 不仅有描述个体的变量，而且有个人组成的更高一层的变量(可以包括若干层具有层次结构的变量)。如Table 4：
省 区 2000 2001 2002 2000
北京 海淀 2 3 4 5
北京 朝阳 1 2 3 4
面板数据： 由截面数据和时间序列数据综合而来的数据类型。如Table 1所示。

作者：爱吃瓜的兔小妹
来源：CSDN
原文：https://blog.csdn.net/TiffanyRabbit/article/details/71487217
版权声明：本文为博主原创文章，转载请附上博文链接！