时间戳

首页 > 解决方案 > 如何使用 statsmodels 获得多元线性回归的标准化（Beta）系数

python - 如何使用 statsmodels 获得多元线性回归的标准化（Beta）系数

问题描述

使用.summary()pandas statsmodels 函数时，OLS 回归结果包括以下字段。

coef    std err          t      P>|t|      [0.025      0.975]

如何获得标准化系数（不包括截距），类似于 SPSS 中可实现的系数？

标签： pythonpandasregressionstatsmodelscoefficients

解决方案

您只需要首先使用 z 分布（即 z-score）标准化您的原始 DataFrame，然后执行线性回归。

假设您将数据框命名为df，它具有自变量x1、x2、 和x3，以及因变量y。考虑以下代码：

import pandas as pd
import numpy as np
from scipy import stats
import statsmodels.formula.api as smf

# standardizing dataframe
df_z = df.select_dtypes(include=[np.number]).dropna().apply(stats.zscore)

# fitting regression
formula = 'y ~ x1 + x2 + x3'
result = smf.ols(formula, data=df_z).fit()

# checking results
result.summary()

现在，coef将向您显示标准化（beta）系数，以便您可以比较它们对因变量的影响。

笔记：

  1. 请记住，您需要.dropna(). 否则，如果列有任何缺失值，stats.zscore将返回所有列。NaN
  2. 您可以手动选择列而不是使用.select_dtypes()，但请确保您选择的所有列都是数字的。
  3. 如果您只关心标准化（beta）系数，您也可以使用result.params它来仅返回它。它通常以科学记数法的方式显示。你可以使用类似的东西round(result.params, 5)来环绕它们。

推荐阅读