Можем ли мы установить / исправить коэффициенты в уравнении регрессии в Python

Question

Я пытался найти способ указания предопределенных коэффициентов в регрессии OLS / GLS в Python.Я могу сделать это в R, используя offset, но в Python нет ничего похожего.

R эквивалент:

model=lm(y~x+offset(0.2*z))

Так что в этом примере x и zнаши независимые переменные, и х предсказывается моделью, но мы определили влияние z составляет 0,2

Answer 1

Используя statsmodels , вы можете выполнить регрессионный анализ в Python со стилем , аналогичным R . Там вы найдете offset в качестве аргумента в некоторых функций регрессии. Одним из примеров является GLM .

С таким набором данных:

import statsmodels.formula.api as smf
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 3), columns=list('yxz'))
df

#           y         x         z
# 0  0.091761 -1.987569 -0.219672
# 1  0.357113  1.477894 -0.518270
# 2 -0.808494 -0.501757  0.915402
# 3  0.328751 -0.529760  0.513267
# 4  0.097078  0.968645 -0.702053
# 5 -0.327662 -0.392108 -1.463515
# 6  0.296120  0.261055  0.005113
# 7 -0.234587 -1.415371 -0.420645

Вы можете сделать это так:

known = 0.2

res1 = smf.glm('y ~ x', data = df, offset=known*df['z']).fit()
print(res1.summary())

# ==============================================================================
# Dep. Variable:                      y   No. Observations:                    8
# Model:                            GLM   Df Residuals:                        6
# .
# .
# ==============================================================================
#                  coef    std err          z      P>|z|      [0.025      0.975]
# ------------------------------------------------------------------------------
# Intercept      0.0614      0.165      0.373      0.709      -0.261       0.384
# x              0.1478      0.148      0.995      0.320      -0.143       0.439
# ==============================================================================

Вы также можете запустить проверку работоспособности, выполнив то же самое вручную. Вы можете создать смещение следующим образом:

offset = known*df['z']
y_offset = df['y']-offset
df2  = pd.concat([pd.Series(y_diff), df['x']], axis = 1)
df2.columns = ['y_diff', 'x']

res2 = smf.glm('y_offset ~ x', data = df2).fit()
print(res2.summary())

# ==============================================================================
# Dep. Variable:               y_offset   No. Observations:                    8
# Model:                            GLM   Df Residuals:                        6
# .
# .
# ==============================================================================
#                  coef    std err          z      P>|z|      [0.025      0.975]
# ------------------------------------------------------------------------------
# Intercept      0.0614      0.165      0.373      0.709      -0.261       0.384
# x              0.1478      0.148      0.995      0.320      -0.143       0.439
# ==============================================================================