线性回归分析统计方法代码

利用第三方库Statsmodels训练假定的线性回归模型，即yi=axi+b+εi

代码如下：

import os
import sys

import numpy as np
import statsmodels.api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
import matplotlib.pyplot as plt
import pandas as pd

def linearModel(data):
    """
    线性回归统计性质分析步骤展示
    
    参数
    ---
    data:DataFrame,建模数据
    """
    features = ["x"]
    labels = ["y"]
    Y = data[labels]
    #加入常量变量，因为在Statsmodels中，线性回归模型是用矩阵的形式表示的。
    X = sm.add_constant(data[features])
    #构建模型
    re = trainModel(X,Y)
    #分析模型效果
    modelSummary(re)
    
def trainModel(X,Y):
    """
    训练模型
    """
    model = sm.OLS(Y,X)
    re = model.fit()
    return re

def modelSummary(re):
    """
    分析线性回归模型的统计性质
    """
    #整体统计分析结果
    print(re.summary())
    #用f test检验x对应的系数a是否显