统计模型中的obs置信区间在Python中的线性回归
在统计模型中，obs置信区间是用来估计线性回归模型中的参数的不确定性的一种方法。在Python中，可以使用statsmodels库来计算线性回归模型的obs置信区间。
线性回归是一种用于建立变量之间线性关系的统计模型。它可以用来预测一个因变量（或响应变量）与一个或多个自变量（或解释变量）之间的关系。线性回归模型的基本形式可以表示为：Y = β0 + β1X1 + β2X2 + ... + βn*Xn + ε，其中Y是因变量，X1、X2、...、Xn是自变量，β0、β1、β2、...、βn是模型的参数，ε是误差项。
obs置信区间是用来估计线性回归模型中参数的不确定性范围。它可以告诉我们在给定置信水平下，参数的真实值有多大的可能落在置信区间内。通常，置信区间的置信水平为95%或99%。
在Python中，可以使用statsmodels库的OLS（Ordinary Least Squares）函数来拟合线性回归模型，并使用summary方法获取模型的统计信息，包括参数估计值、标准误差、置信区间等。下面是一个示例代码：
import statsmodels.api as sm
# 准备数据
X = [1, 2, 3, 4, 5]
y = [2, 4, 5, 4, 5]
# 添加常数列
X = sm.add_constant(X)
# 拟合线性回归模型
model = sm.OLS(y, X)
results = model.fit()
# 获取模型的统计信息
print(results.summary())运行上述代码，可以得到线性回归模型的统计信息，包括参数估计值、标准误差、置信区间等。在结果中，置信区间以"[0.025"和"0.975]"表示，表示95%的置信区间。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/tai）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpe）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云元宇宙（https://cloud.tencent.com/product/ue）
- 腾讯云安全产品（https://cloud.tencent.com/product/safety）
相关·内容
我在Python中使用statsmodels.formulas.api.quantreg()进行分位数回归。我发现，在拟合分位数回归模型时，可以选择指定回归系数的置信区间的显着性水平，而置信区间结果出现在拟合的摘要中。
用什么统计方法来生成回归系数的置信区间？它似乎没有文档化，而且我已经仔细研究了quantile_regression.py和summary.py的源代码，以便在没有运气的情况下找到它。有人能解释一下这件事吗？
浏览 6提问于2015-01-28得票数 2
回答已采纳
在Python语言中使用模块'statsmodels‘运行回归模型后，您可以获得具有以下置信区间的预测: mean_ci_lower mean_ci_upper obs_ci_lower obs_ci_upper 我知道mean_ci是什么意思，但我不知道obs代表什么。
浏览 74提问于2020-04-01得票数 2
1回答
我需要使用knime进行回归分析。我是一个python用户，我也知道knime，但不是很深入！我通常使用python中的statsmodel进行回归分析和处理统计模型。
但是，为了将回归问题作为机器学习问题来解决，我使用sklearn回归模型。python中的每一个包都有它自己的好处，在你的任务中加深了它的好处，还有不同的输出视图，这对于以正确的方式解决问题非常重要。我的问题是，knime是否提供了统计模型的特殊软件包？如果我计划进行回归分析，推荐使用哪些节点？
非常感谢您的帮助
浏览 21提问于2021-05-04得票数 0
1回答
这更像是一个统计问题，因为代码运行良好，但我正在学习python中的回归建模。下面有一些关于statsmodel的代码来创建一个简单的线性回归模型：
import statsmodels.api as sm
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
ng = pd.read_csv('C:/Users/ben/ngDataBaseline.csv', thousands=',', index_col='Date', parse_dates=Tr
浏览 0提问于2018-09-28得票数 3
回答已采纳
1回答
使用枕的意外置信区间
、、、
我用枕计算了95%的置信区间，结果与我预期的不同。
我正在解决一个问题，有人翻滚了20K，观察了3932个六次。我被要求建立一个95%的置信区间的概率滚动6。6的数目服从二项分布，重复20K，成功率为3,932 / 20K。
# Number of observations
n_obs = 20000
# Observed proportion of successes
p_obs = 3932 / n_obs
# Observed standard deviation
s_obs = numpy.sqrt((p_obs * (1 - p_obs)) / n_obs)
如果用这些参数的正态
浏览 4提问于2021-04-10得票数 3
回答已采纳
1回答
我遇到了问题，它询问Azure是否能够计算行数据预测的可信度(或概率)。然而，考虑到这个问题的答案是No，并建议使用R，我试图弄清楚如何使用R来精确地对回归模型这样做。
有没有人对从哪里找这个有什么建议？
我的场景是，我使用Azure构建了一个增强的决策树回归模型，该模型输出了一个Scored Label列。但是，我不太了解回归分析，不足以编写R代码来使用输出模型来获得置信区间。
我正在寻找任何的参考资料，可以帮助我理解如何在R(在与Azure ML连接)。
浏览 4提问于2016-09-25得票数 7
回答已采纳
1回答
我使用python的statsmodel包来进行线性回归。在R^2、p等的输出中也存在“对数似然”.在文档中，这被描述为“拟合模型的似然函数的值”。我看了一下源代码，并不真正理解它在做什么。
阅读更多关于似然函数，我仍然有非常模糊的想法，这个‘对数-似然’值可能意味着什么，或被用来。所以有几个问题：
在线性回归的情况下，似然函数的值不等于参数的值(本例中为beta)吗？这似乎是这样的，根据下面的推导，导致方程12：
知道似然函数的值有什么用？它是否与其他具有相同反应和不同预测指标的回归模型进行比较？实际的统计学家和科学家如何使用统计模型提出的对数似然值？
浏览 1提问于2014-10-23得票数 2
回答已采纳
2回答
在R中，predict.lm基于线性回归的结果计算预测，并提供计算这些预测的置信区间。根据手册，这些间隔是基于拟合的误差方差，而不是基于系数的误差间隔。
另一方面，基于逻辑回归和泊松回归(以及其他一些)计算预测的predict.glm没有置信区间的选项。我甚至很难想象如何计算这样的置信区间，以便为泊松和逻辑回归提供有意义的见解。
在某些情况下，为此类预测提供置信区间是有意义的吗？如何解释它们呢？这些情况下的假设是什么？
浏览 3提问于2013-01-20得票数 70
回答已采纳
1回答
人们应该如何决定使用线性回归模型还是非线性回归模型？
我的目标是预测Y。
对于简单的x和y数据集，我可以很容易地通过绘制散点图来决定应该使用哪种回归模型。
在x1，x2，.，xn和y等多变量的情况下.我如何决定必须使用哪一种回归模型？也就是说，如何决定采用简单的线性模型或非线性模型，如二次型、三次型等。
是否有任何技术、统计方法或图解来推断和决定必须使用哪一种回归模型？请给我建议。
浏览 4提问于2015-02-06得票数 3
2回答
📷
我有以下线性回归模型及其分析。有几个错误，但我不太确定的错误。到目前为止，我还没有找到他们。
首先，斜坡的95%置信区间应为
📷
所以计算是错误的。
第二，我不确定对置信区间的解释。你会如何理解它的上下文？
浏览 0提问于2020-07-16得票数 2
我想通过通过类或样本权重重新平衡数据集，在0.5%的正类数据集上运行一个逻辑回归。我可以在scikit学习中做到这一点，但它没有为模型提供任何推断统计数据(置信区间、p值、残差分析)。
在状态模型中可以这样做吗？我看不到sample_weights或class_weights在statsmodels.discrete.discrete_model.Logit.fit中的参数
谢谢!
浏览 2提问于2015-11-09得票数 3
回答已采纳
基本上，我已经收集了一些零售网站的数据，我想知道这是否是一个回归问题:如果我有关于RRP这样的鞋子的网站数据，它们是什么品牌，它们是什么颜色，它们是什么尺寸，我整理这些数据来建立一个模型，围绕这样一个模型，我可以给模型已知的变量，关于一双新鞋(品牌，尺寸颜色)，以确定可能的RRP，根据我已经知道的所有变量和RRP，我应该使用ANOVA还是回归。我的回归理由是，这似乎是一个经典的问题，因为价格是一个连续变量。但我不确定要怎么做，我看到的很多回归例子都是用连续变量作为预测变量和结果变量，也许方差分析更好？
浏览 0提问于2020-09-02得票数 1
回答已采纳
1回答
因此，当我认为某一特定特性组存在依赖时，就会使用混合效应回归模型。我附加了Wiki链接，因为它比我解释得更好。()
虽然我认为在很多情况下我们需要考虑混合效果，但支持这种效果的模块不多。R有lme4和Python似乎有类似的模块，但它们都是统计驱动的；它们不使用梯度增强之类的代价函数算法。
在机器学习设置中，如何处理需要考虑混合效果的情况？有没有其他模型可以处理具有混合效应(随机效应)的纵向数据？
(R似乎有一个支持混合效果的包：，但我正在寻找一种Python解决方案。
浏览 1提问于2017-09-08得票数 2
1回答
我应该计算不同的置信区间，我发现，在R中，我可以用“预测-”命令来完成这个任务。但我很难理解我到底要做什么。我应该计算3种不同的置信区间: 1)回归线上的一个点，2)预测的(未来)y值，3)整个回归线。好的..。我到目前为止所做的事：
fm <- lm(alcohol~beers)
因此，要获得整个回归线的置信区间，我会尝试：predict(fm,data.frame(beers = newbeers), level = 0.9, interval = "confidence")，但我并不真正知道data.frame会做什么。好的，我知道置信区间是90%的实际值(这里，因
浏览 4提问于2012-09-20得票数 4
1回答
我有一对x，y的数据，我正在绘制。我正在使用最小二乘回归模型计算曲线的最佳拟合线，并相应地预测y值。
现在，我希望生成95%的置信区间值，并将其绘制出来。如果有人能帮助我计算置信区间的y值，那就太好了。在这里发帖之前，我确实试过用谷歌搜索。但是，大多数网站都认为，我已经有了一些数据。这也将是有帮助的，如果你可以指导我到一些好的链接。
提前谢谢你，S。
浏览 3提问于2011-08-03得票数 1
回答已采纳
1回答
是否有一些python包可以帮助进行统计线性回归？例如，我希望这类程序能够自动执行不同类型的统计测试(t检验、F检验等)。然后自动删除冗余变量等，校正异方差等。还是套索是最好的？
浏览 2提问于2018-06-25得票数 0
回答已采纳
我正在研究某一行业的收入增长率在收入分配的不同部分是否存在显著差异，以确定收入差距是否正在显著拉大或缩小。
QUANTREG模型
我在SPSS中做了分位数回归(我刚开始编码，只有Python的基本知识，所以我需要你的帮助)。因变量是指数化收入，自变量是时间(这个数据集中的季度)，人口统计学组，职业部门。我还添加了每个虚拟人的交互条件和时间变量。
因此(至少在我看来)，这个模型允许在三个层次上比较收入的变化：
(例如，与数据输入工作相比:数据分析增加了100欧元，数据科学增加了200欧元)time*data_scientist系数在90%Q中比在10%Q中大得多，这表明高收入数据科学家的收入随着
浏览 1提问于2021-01-02得票数 0
回答已采纳
在此回归中：
我从glht软件包中知道confit()可以计算每个估计量的置信区间。
但是如何确定系数的线性组合的置信区间，如R中β3+2*β5的置信区间？
添加了这个
浏览 14提问于2019-11-12得票数 3
回答已采纳
1回答
所以我的问题很简单，我想绘制我的数据的指数回归，到目前为止我所做的是绘制多项式回归：
ggplot(data = mydataANOVA, aes(x = TpsenJour, y = PrptionJourAuDelaDe, color = Type_Contrat))+
geom_point()+
geom_smooth(method ="lm", formula = y ~ poly(x,2))
我有以下情节：
回归并不完全适合实际数据，但数据看起来很像指数函数，所以我使用了数据的对数，我使用了与我的数据日志相同的代码来获得以下图：
这似乎是一个非
浏览 1提问于2016-08-23得票数 3
回答已采纳
我用一个定量预测变量(振幅= 40，50，60，70)对比例数据进行了R中的β回归模型。我已经从模型中得到了40，50，60，70的比例预测，并绘制了它。
我从本网站和其他网站的研究中了解到，从β回归模型中获得预测的置信区间并不像其他模型那样简单。我已经了解到，为了获得β回归模型的可信度，引导来自模型的预测是获得置信区间/带的一种方法(如其他帖子中所提到的，例如在线程：上的Achim )。我的问题是，一个人如何才能真正实现这种增强，从而从我的R模型中得到预测和信心的水平？理想的情况下，我想得到的比例，在振幅: 40，50，60和70，有一定程度的信心。我对引导很陌生，所以如果有人对如何从β回归
浏览 1提问于2018-04-22得票数 0
2回答
我想得到分位数回归系数的95%置信区间。您可以在R中使用rq包的quantreg函数计算分位数回归(与OLS模型相比)：
library(quantreg)
LM<-lm(mpg~disp, data = mtcars)
QR<-rq(mpg~disp, data = mtcars, tau=0.5)
我可以用限制函数得到线性模型的95%置信区间：
confint(LM)
当我使用分位数回归时，我理解以下代码会产生引导标准错误：
summary.rq(QR,se="boot")
但实际上，我想要95%的置信区间。也就是说，可以解释如下：“在概率为95%的情况下，区间
浏览 9提问于2016-06-29得票数 8
回答已采纳
我刚刚开始尝试一个很好的引导程序包，可以通过scikits获得：
但在尝试估计线性回归中相关系数的置信区间时，我遇到了一个问题。返回的置信区间完全在原始统计范围之外。
代码如下：
import numpy as np
from scipy import stats
import bootstrap as boot
np.random.seed(0)
x = np.arange(10)
y = 10 + 1.5*x + 2*np.random.randn(10)
r0 = stats.linregress(x, y)[2]
def my_function(y):
浏览 3提问于2013-05-23得票数 7
回答已采纳
1回答
理解置信区间
、、
我正在努力理解置信区间的概念。点估计和置信区间的含义是什么？我所理解的是置信区间中的点估计基本上是抽样分布的统计量。我们是否可以说，在使用中心极限定理和求总体均值后，用CLT而不是给出点估计，我们就会给出置信区间？
浏览 0提问于2020-10-10得票数 0
1回答
我一直在用R来建立线性回归模型。并使用“汇总(模型)”命令，提供系数显着性和模型显着性(F-统计量)的详细信息。Weka能提供这种措施吗？
浏览 2提问于2014-07-02得票数 1
回答已采纳
1回答
有没有python包(statsmodel/scipy/pandas/etc...)具有在python中估计具有自回归误差的线性回归模型的系数的功能，例如下面的SAS实现？
浏览 2提问于2016-04-12得票数 2
1回答
如何约束我的回归系数(只有斜率，而不是截距)是正的？这是一个一般的统计问题，但具体来说，我想要一个r的解决方案，更具体地说，当使用模型2回归(长轴回归)时。
浏览 0提问于2019-08-21得票数 3
回答已采纳
2回答
我有一个lme4模型，我运行了一个分层逻辑回归模型，并且我正在使用effects包绘制效果。我想用平均值的标准误差作为误差条来创建一个效果图。我可以得到点估计，95%的置信区间，和标准错误的数据。然而，标准误差似乎与置信限参数不一致，参见下面的一个普通glm示例。
library(effects)
library(dplyr)
mtcars <- mtcars %>%
mutate(vs = factor(vs))
glm1 <- glm(am ~ vs, mtcars, family = "binomial")
(glm1_eff <- Effect(
浏览 1提问于2016-04-17得票数 2
回答已采纳
我正在进行一个线性回归实验，对一个因变量进行评估，然后将因变量转化为一个对数尺度，然后再进行一次训练/执行的线性回归。是否可以在模型的平均绝对误差或根均方误差与因变量统计量之间建立比率，以便对模型进行比较？
我知道线性回归很可能不应该用于这个评估，这只是一个理论实验。
非日志结果
模型平均Abs误差: 14831.26
模型均方误差: 21921.10
因变量计数: 2925.00
因变量平均数: 180815.54
因变量std dev: 79951.70
因变量最小值: 12789.00
因变量25%：129500.00
因变量50%：160000.00
因变量75%：213500.00
浏览 10提问于2022-09-08得票数 0
回答已采纳
3回答
最近，在来自UPC/巴塞罗那的Oriol Pujol教授的机器学习课程中，他描述了用于广泛的机器学习相关任务的最常见的算法、原理和概念。在这里，我和你分享它们，并问你：
是否有任何将任务与与不同类型机器学习相关问题相关的方法或方法相匹配的全面框架？
我如何学习一个简单的高斯？概率，随机变量，分布；估计，收敛和渐近，置信区间。
我如何学习高斯(MoG)的混合物？似然，期望最大化(EM)；推广，模型选择，交叉验证；k-均值，隐马尔可夫模型(HMM)
我怎么知道密度呢？参数与非参数估计，Sobolev等泛函空间；Ĺ2误差；核密度估计，最优核，KDE理论
如何预测连续变量(回归)？线性回归、正则化、
浏览 0提问于2015-01-20得票数 40
问题的背景:我正在用双机学习模型评估个别的治疗效果。我不知道真正的治疗效果对我的问题。
双ML:给定Y(结局)、T(治疗)和X(特征)
Y= aT + bX +误差
系数a是感兴趣的(措施处理效果)。
双重ML程序：
拟合Y~X =>计算残差(Y* =Y-Y‘)-残差是有待估计的处理效果
拟合T~X =>计算残差(T* = T- T‘)-该模型捕捉X解释的T的变化
对残渣进行模型(Y* ~ T* )拟合，得到平均处理效果。
我拟合的是一个线性回归模型(Y* ~ T* )，没有一个系数具有统计学意义。我不是依靠点估计，而是计算预测置信区间和p值，以检查预测值是否具有统计意义。
这个方
浏览 0提问于2020-06-07得票数 3
1回答
在Python中引导多个回归参数
、、、、
我正在尝试使用bootstraping在Python中估计多个回归系数，但我不知道如何实现它。
我使用statsmodels.ols(formula = 'Y ~A*B* C，... )来运行单个模型。我如何实现一个bootstrap来返回这个普通最小二乘模型返回的所有参数的估计值和置信区间？
我看到statsmodel中有一个潜在的bootstrap方法，但我不知道如何导入它，以及它是否具有我想要的功能。在scikits中还有另一个(或几个)，但同样，我不知道如何使用这些参数来估计许多返回的回归参数。
谢谢你的帮助。我完全被难住了--而且对Python来说还是个新手。
浏览 0提问于2017-04-01得票数 3
1回答
我对如何使用sklearn和状态模型进行线性回归有基本的理解。关于线性回归(OLS估计)，我想问几个问题：
对于最小二乘估计器来说，标准化总是必要的吗？我还在学习回归分析的一些理论方面。标准化是在我的数据科学课中提到的，但在我的回归分析中几乎没有提到。如果不是，什么时候应用标准化(也需要标准化预测变量)？
我试着比较了这两种方法，在评价指标(Mse)方面，结果是比较相似的，但就系数而言，它是非常不同的(由于不同的预测因子的尺度)。如果是这样，如何比较一个预测器的重要性？
我尝试将结果与非标准化数据上的状态模型OLS进行比较。在此基础上，统计模型的均方误差比滑雪板模型差得多。然而，sklearn
浏览 0提问于2019-10-31得票数 0
1回答
我正在尝试从使用python库创建的XGBoost保存的模型中获取.tar.gz文件中的置信区间。
问题是模型已经被拟合了，而且我已经没有训练数据了，我只是有推论或服务数据来预测。我发现的所有例子都需要使用训练和测试数据来创建分位数回归模型或打包模型，但我认为我没有机会这样做。
浏览 2提问于2020-09-01得票数 1
2回答
我有两个模型:一个是简单的线性回归，另一个是多元线性回归。
在简单线性回归中，这两个变量之间的相关性最强。多元线性回归包含两个额外的变量，它们可以与相依者联系在一起，但在统计学上它们是不显著的(P > 0)。
如何解释最适合使用的模型是简单线性回归还是多元线性回归？
以下是回归过程中的一些值：
简单线性: F(1，77) = 21.07，Prob >F= 0.0000，R平方= 0.2148，Adj R平方= 0.2046
多重线性: F(3，75) = 7.29，Prob >F= 0.0002，R平方= 0.2258，Adj R平方= 0.1948
浏览 0提问于2015-12-06得票数 2
这个问题类似于，但有一个附加的细微差别：
我的数据是异方差的，我想用统计模型提供的任何一种异方差一致标准误差(HC0_se、HC1_se等)来绘制平均值的置信区间。对于每个拟合的值，我找不到任何容易获得这些信息的方法(虽然很容易得到每个系数的间隔)。它似乎也不像标准的平均置信区间数据那样包含在stats.outliers的结果汇总表中。
两个问题：
有人知道我该怎么做吗？
对于线性回归结果对象中也可用的异方差一致协方差矩阵，人们通常使用什么？为什么要这样做？
非常感谢
浏览 5提问于2014-01-28得票数 1
回答已采纳
1回答
回归模型中的变量选择
、、、、
我建立了价格预测数据模型，使用多元线性回归，岭，拉索和弹性网络回归，最初我有215个变量。在创建模型之后，我运行了python代码来检查最终模型中使用了多少变量，这是python代码，用于检测岭回归中变量的数量，
print("Ridge Regression Selected " + str(sum(coef_ridge != 0)) + " Variables and Neglected " + str(sum(coef_ridge == 0)) + " Variables")
这是我拿出来的
岭回归选择209个变量和忽略6个变量
以上代码
浏览 0提问于2020-01-25得票数 0
1回答
我正在寻找简单线性回归置信区间的根。WLOG，我们可以关注较低的置信区间。
问题:如何找到简单线性回归置信区间的根，或者R(或源)中是否有函数来解决这个问题？
想：
首先，我们可以识别出简单线性回归的置信区间是二次函数。这意味着两件事：
至多有两个复根有封闭形式的解决方案。
考虑到这一点，我可以想到三个潜在的解决方案：
使用uniroot找到解决方案。不幸的是，这需要有很强的先验知识来定义interval论证。
使用封闭形式的解决方案.对于这个问题，这是非常直接的，但是我倾向于通过优化来解决问题。(除非它已经在R中实现)
optimization，的一般思想如下：
步骤1.使用optim查找最
浏览 2提问于2022-12-01得票数 0
回答已采纳
1回答
我习惯于使用Stata或R来进行线性回归模型，但我正在将更多的工作流转换为Python。
这两个程序的有用之处在于，它们直觉地知道，您并不关心线性模型中的所有实体或时间固定效应，因此，当估计面板模型时，它们会从模型中删除多色线性模型(报告它们丢弃的是哪些)。
虽然我理解以这种方式估计模型并不理想，人们应该小心回归以运行(等等)，但这在实践中是有用的，因为这意味着您可以先看到结果，然后再担心虚拟模型的一些细微之处(特别是在完全饱和的固定效果模型中，您不关心虚拟模型)。
让我举一个例子。以下操作需要linearmodels并加载数据集并尝试运行面板回归。这是他们的中示例的修改版本。
# Load
浏览 3提问于2019-03-08得票数 2
回答已采纳
1回答
在Python & R中，线性回归模型在学习训练数据后给出了数学表达式，通常以截距、变量系数和p值/t值的形式表示。在训练数据集上对复杂模型进行训练后，可以提取基于决策树、随机森林、XGBoost等复杂模型的数学表示吗？
浏览 0提问于2022-11-11得票数 1
我是新的生存分析，我一直在阅读许多研究论文，作者报告调整(年龄和性别)和未经调整的危险比率，以及置信区间。我目前正在使用CoxPHFitter，来自生命线 python包，但我无法提取危险比率。我跟踪了许多链接，例如和，但它们都没有给出任何关于如何提取风险比的细节，以及调整或未调整的cox回归的置信区间。使用"baseline_hazard“确实给出了区间的风险比，但没有置信区间(我不确定这是否是正确的变量)，"_confidence_interval_s”提供协变量的置信区间，但我正在寻找拟合模型的风险比。有人能帮我吗？我对这种分析很陌生。
浏览 4提问于2022-03-15得票数 1
回答已采纳
我在谷歌BigQuery中运行一个简单的线性回归模型，但在评估模型输出时，我似乎无法找到/提取p值或其他通常从线性回归模型输出的信息(例如，置信区间)。有谁能建议如何做到这一点吗？我发现输出有些令人困惑。
浏览 15提问于2019-01-06得票数 1
1回答
我正试图将R代码转换为Python，但在复制R{stats}函数时遇到了麻烦，该函数包含“权重”，允许在拟合过程中使用权重。
我的最终目标是使用状态模型库在Python中简单地运行一个加权线性回归。
通过搜索Statsmodels问题，我找到了和，这使我认为这在Statsmodels中是不可能的。
是否有可能在Statsmodels中向GLM模型添加权重，或者是否有更好的方法在python中运行加权线性回归？
浏览 6提问于2016-11-30得票数 1
回答已采纳
我在分析一个房地产数据集。虽然所有的回归假设都失败了，但我的XGBoosting模型却蓬勃发展。我是不是遗漏了什么？在这种情况下，XGBoost仅仅是一个优越的模型吗？数据集约有67.000个观测值和30个变量。
浏览 2提问于2019-07-28得票数 0
回答已采纳
我用Stata编写了一个程序来执行集群引导-t过程来估计t统计量和参数置信区间。该程序的目标是使用t-测试并创建对集群相关性具有鲁棒性的CIs，即使对于少量的集群也是如此。对于好奇的人来说，这是建立在卡梅隆、盖尔巴赫和米勒(2008)所描述的“集群引导-t与渐进精化”过程之上的：“基于引导的改进，用于集群错误的推理。”
问题是，我想要创建一个漂亮的回归表为用户输出，类似于标准的Stata回归报告。但是，我不能使用通常的函数“ere转折点”，因为我的程序在引导t-统计量的基础上创建t-统计量和置信区间。据我所知，它需要一个参数向量和一个方差协方差矩阵作为输入，然后计算标准误差t统计量和95%的C
浏览 8提问于2015-02-03得票数 1
回答已采纳
2回答
当使用.summary()函数与pandas统计模型一起使用时，OLS回归结果包括以下字段。
coef std err t P>|t| [0.025 0.975]
我如何获得标准化的系数(不包括截距)，类似于在SPSS中可以实现的？
浏览 2提问于2018-06-14得票数 9
1回答
我从一个来源中读到，我忘记了“在交叉验证中，选择了95%置信区间得分最好的模型”。
但根据我的统计知识，为了使CI (置信区间)工作，需要对实验的抽样统计量进行正态假设。
但是，如何从未知的来源，它似乎简单地利用每个流的结果来构造样本均值&置信区间。在我看来，这两种方法都没有检验中心极限定理的检验。在我看来，这也是人们正在做的事情：
(1)在抽样手段(而不是抽样分布)中自动假定正态分布；(2) CLT自动满足。
我想知道这是我的误解，还是这个行业正在采用一种过于宽松的规范？谢谢。
浏览 0提问于2020-06-25得票数 2
1回答
如何利用有限的数据预测时间序列
、、、、
我有一个包含四列的数据集:日期、类别、产品、比率(%)。我希望能够预测我的数据中的每一个产品的速度。我现在面临的主要问题是，由于产品不断停产，某些产品几乎没有历史数据，这使得预测变得困难。我在网上读到，有类似问题的人使用了贝叶斯层次模型，比如Numpyro的这个例子：
import numpyro
from numpyro.infer import MCMC, NUTS, Predictive
import numpyro.distributions as dist
from jax import random
def model(PatientID, Weeks, FVC_obs=None)
浏览 5提问于2022-07-05得票数 0
回答已采纳
1回答
python的scikit-learn有适用于稀疏数据的回归模型吗？
我四处搜寻，发现“稀疏线性回归”模块，但它似乎过时了。(我想，它太老了，当时叫'scikits-learn‘。)
浏览 0提问于2015-04-06得票数 6
我想用回归模型来拟合概率。我知道线性回归经常用于这个目的，但我有几个概率在0.0和1.0左右，并且想要拟合一个回归模型，其中输出被限制在0.0到1.0之间。我希望能够为模型指定正则化规范和强度，最好在python中这样做(但R实现也会有帮助)。我发现的所有逻辑回归包似乎只适合于分类，而这是一个回归问题(尽管我想使用logit链接函数)。我使用scikits为我的分类和回归需求学习，所以如果这个回归模型可以在scikits中实现，那就太棒了(在我看来，这是不可能的)，但是我很乐意在python和/或R中找到任何解决方案。
浏览 4提问于2015-11-21得票数 3
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
