使用统计模型评估回归系数的t检验

Question

我有约100多个要素的数据集。 我也有一小部分协变量。

我为每个协变量使用statsmodels建立y = x + C1 + C2 + C3 + C4 + ... + Cn的OLS线性模型，并使用特征x和因变量y。

我正在尝试对回归系数进行假设检验，以检验系数是否等于0。我认为t检验将是解决此问题的适当方法，但是我不确定如何在Python，使用statsmodels。

我特别知道，我想使用http://www.statsmodels.org/devel/generated/statsmodels.regression.linear_model.RegressionResults.t_test.html#statsmodels.regression.linear_model.RegressionResults.t_test

但是我不确定我是否了解r_matrix参数。 我能为此提供什么？ 我确实看过这些例子，但我不清楚。

此外，我对协变量本身的t检验不感兴趣，而只对x的回归系数感兴趣。

任何帮助表示赞赏！

Answer 1

您确定不希望statsmodels.regression.linear_model.OLS吗？ 这将执行OLS回归，从而提供参数估计值和相应的p值（以及许多其他内容）。

from statsmodels.regression import linear_model
from statsmodels.api import add_constant

Y = [1,2,3,5,6,7,9]
X = add_constant(range(len(Y)))

model = linear_model.OLS(Y, X)
results = model.fit()
print(results.params) # [ 0.75        1.32142857]
print(results.pvalues) # [  2.00489220e-02   4.16826428e-06]

这些p值来自每个拟合参数等于0的t检验。

看起来RegressionResults.t_test对于不太传统的假设很有用。