用stats模型评价回归系数的试验

Question

我有一个包含大约100多个特征的数据集。我还有一小部分协变量。在

我用statsmodels为y=x+C1+C2+C3+C4+建立了一个OLS线性模型。。。+Cn代表每个协变量，一个特征x，一个因变量y

我试图对回归系数进行假设检验，以检验系数是否等于0。我认为t测试是解决这一问题的合适方法，但我不太确定如何使用statsmodels在Python中实现这一点。在

我知道，特别是，我想用http://www.statsmodels.org/devel/generated/statsmodels.regression.linear_model.RegressionResults.t_test.html#statsmodels.regression.linear_model.RegressionResults.t_test

但我不确定我是否理解r\u矩阵参数。我能提供什么？我确实看过这些例子，但我不清楚。在

此外，我不想对协变量本身做t检验，而只对x的回归系数感兴趣

感谢任何帮助！在

Answer 1

您确定不想要statsmodels.regression.linear_model.OLS？这将执行OLS回归，提供参数估计值和相应的p值（以及许多其他东西）。在

from statsmodels.regression import linear_model
from statsmodels.api import add_constant

Y = [1,2,3,5,6,7,9]
X = add_constant(range(len(Y)))

model = linear_model.OLS(Y, X)
results = model.fit()
print(results.params) # [ 0.75        1.32142857]
print(results.pvalues) # [  2.00489220e-02   4.16826428e-06]

这些p值来自于每个拟合参数等于0的t检验。在

似乎RegressionResults.t_test对于不太传统的假设是有用的。在