2024-09-30 04:40:31 发布
网友
我读过的所有关于Python中多元回归的线程大多推荐Statsmodels中的OLS函数。这是我遇到的一个问题,我试图解释一个基金的回报(HYFAX用绿色突出显示),用14个独立变量回归它的收益,这些变量可以解释这个基金的回报。这应该有一个显著的F检验,并且在经过因子的逐步迭代之后,给出具有最高调整R平方的最佳拟合模型。在python中有没有一种方法可以做到这一点?在
Fund returns vs Factors
听起来你只是想看看模型拟合的结果。下面是一个有1个预测器的例子,但很容易扩展到14:
导入statsmodels并指定要构建的模型(在这里可以包含14个预测值):
import statsmodels.api as sm #read in your data however you want and assign your y, x1...x14 variables model = sm.OLS(x, y)
适合模型:
现在只需显示模型拟合的摘要:
print(results.summary())
这将给你调整后的R平方值,F测试值,beta权重等,应该如下所示:
OLS Regression Results ============================================================================== Dep. Variable: x R-squared: 0.601 Model: OLS Adj. R-squared: 0.594 Method: Least Squares F-statistic: 87.38 Date: Wed, 24 Aug 2016 Prob (F-statistic): 3.56e-13 Time: 19:51:25 Log-Likelihood: -301.81 No. Observations: 59 AIC: 605.6 Df Residuals: 58 BIC: 607.7 Df Model: 1 Covariance Type: nonrobust ============================================================================== coef std err t P>|t| [95.0% Conf. Int.] y 0.8095 0.087 9.348 0.000 0.636 0.983 ============================================================================== Omnibus: 0.119 Durbin-Watson: 1.607 Prob(Omnibus): 0.942 Jarque-Bera (JB): 0.178 Skew: -0.099 Prob(JB): 0.915 Kurtosis: 2.818 Cond. No. 1.00 ==============================================================================
听起来你只是想看看模型拟合的结果。下面是一个有1个预测器的例子,但很容易扩展到14:
导入statsmodels并指定要构建的模型(在这里可以包含14个预测值):
适合模型:
^{pr2}$现在只需显示模型拟合的摘要:
这将给你调整后的R平方值,F测试值,beta权重等,应该如下所示:
相关问题 更多 >
编程相关推荐