在Statsmodels中指定常数线性回归？

Question

我想使用statsmodels.regression.linear_model.OLS包进行预测，但是具有指定的常数。

当前，我可以使用参数指定常量的存在：

（摘自文档： http : //statsmodels.sourceforge.net/devel/generated/statsmodels.regression.linear_model.OLS.html ）

class statsmodels.regression.linear_model.OLS（endog，exog = None，missing ='none'，hasconst = None），其中hasconst是一个布尔值。

我想做的是明确指定一个常数C，然后围绕它拟合线性回归模型。 通过使用该OLS，我想生成一个，然后访问所有属性，如resid等。

当前的次优解决方法是在没有常量的情况下指定OLS，从Y值中减去常量，并创建一个自定义对象，该对象在每次我想进行预测或拟合，首先从Y变量中减去常数，然后使用预测。

谢谢！

Answer 1

如果将formula API用于statsmodels，则可以将其作为Patsy设计矩阵规范的一部分更简洁地指定一个常量截距。 这仍然有点怪异-基本上只是表达您提出的解决方案的一种更简洁的方式-但至少它更短。 例如：

>>> import statsmodels.formula.api as smf
>>> import pandas as pd
>>> import numpy as np
>>> c = 3.1416
>>> df = pd.DataFrame(np.random.rand(10, 2), columns=['x', 'y'])
>>> ols = smf.ols('y - c ~ 0 + x', data=df)
>>> result = ols.fit()
>>> print result.summary()
...
==============================================================================
                 coef    std err          t      P>|t|      [95.0% Conf. Int.]
------------------------------------------------------------------------------
x              0.7404      0.230      3.220      0.010         0.220     1.261
==============================================================================

如您所见，截距没有系数， x的最佳斜率不是1。