С помощью следующего кода я получаю график того, как была сделана регрессия для моих данных.
На графике также показаны вертикальные ( ошибка ?) Полосы.
К какому числу в summary относится длина этих столбцов, соответственно: как я могу получить размер столбцов из сводки (или из любого количества, которое я мог бы извлечь из модели)?
код:
import random
random.seed(42)
import statsmodels.api as smapi
from statsmodels.formula.api import ols
import statsmodels.graphics as smgraphics
# Make data #
x = list(range(30))
y = [y*(10+random.random())+200 for y in x]
# Add outlier #
x.insert(6,15)
y.insert(6,220)
x.insert(6,16)
y.insert(6,295)
# Make fit #
regression = ols("data ~ x", data=dict(data=y, x=x)).fit()
# Find outliers #
test = regression.outlier_test()
outliers = ((x[i],y[i]) for i,t in enumerate(test.iloc[:,2]) if t < 0.5)
print(regression.summary())
figure = smgraphics.regressionplots.plot_fit(regression, 1)
figure.show()
Краткое содержание:
OLS Regression Results
==============================================================================
Dep. Variable: data R-squared: 0.913
Model: OLS Adj. R-squared: 0.910
Method: Least Squares F-statistic: 314.1
Date: Thu, 18 Apr 2019 Prob (F-statistic): 1.92e-17
Time: 10:47:19 Log-Likelihood: -150.87
No. Observations: 32 AIC: 305.7
Df Residuals: 30 BIC: 308.7
Df Model: 1
Covariance Type: nonrobust
==============================================================================
coef std err t P>|t| [0.025 0.975]
------------------------------------------------------------------------------
Intercept 193.8136 9.880 19.618 0.000 173.637 213.990
x 10.4202 0.588 17.724 0.000 9.219 11.621
==============================================================================
Omnibus: 57.423 Durbin-Watson: 1.316
Prob(Omnibus): 0.000 Jarque-Bera (JB): 379.511
Skew: -3.901 Prob(JB): 3.89e-83
Kurtosis: 17.958 Cond. No. 33.8
==============================================================================
Warnings:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
Сюжет:
