如何在python的线性回归模型中计算斜率的99％置信区间？

Question

我们有以下线性回归：y~b0 + b1 * x1 + b2 * x2。 我知道Matlab中的回归函数确实计算了它，但是numpy的linalg.lstsq没有（ https://docs.scipy.org/doc/numpy-dev/user/numpy-for-matlab-users.html ）。

Answer 1

StatsModels的RegressionResults有一个conf_int()方法。 这是一个使用它的例子（ 普通最小二乘示例的最小修改版本）：

import numpy as np, statsmodels.api as sm

nsample = 100
x = np.linspace(0, 10, nsample)
X = np.column_stack((x, x**2))
beta = np.array([1, 0.1, 10])
e = np.random.normal(size=nsample)

X = sm.add_constant(X)
y = np.dot(X, beta) + e

mod = sm.OLS(y, X)
res = mod.fit()
print res.conf_int(0.01)   # 99% confidence interval

Answer 2

您可以使用scipy的线性回归，它可以计算r / p值和标准误差： http ： //docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.linregress.html

编辑：由Brian强调，我从scipy文档获得了代码：

from scipy import stats
import numpy as np
x = np.random.random(10)
y = np.random.random(10)
 slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

confidence_interval = 2.58*std_err