与具有不同统计显著性水平的数据相匹配

Question

Polyfit是一个很好的工具来拟合一条线到一组点。然而，我的数据具有不同程度的统计意义。在

例如，对于一个点（x1，y2），我可能只有10个观测值，而对于另一个点（x2，y2），我可能有10000个观测值。我通常至少有10个点，我想在使用polyfit时根据统计显著性对每个点进行加权。有没有什么方法（或类似的功能）可以做到这一点？在

Answer 1

一种可能性是在^{}中使用加权最小二乘法

大致：

y是响应或内生变量（endog）

x是你的一维解释变量

在你的权重数组中，这个观察值的权重越高

得到多项式矩阵，并拟合

import numpy as np
import statsmodels.api as sm
exog = np.vander(x, degree+1)
result = sm.WLS(y, exog, weight=w).fit()

参数在result.params中。拟合值以result.fittedvalues为单位

预测在版本之间发生了变化。对于版本0.4，您可以使用

^{pr2}$