如何解释Python OLS Statsmodel的摘要表？

Question

我有一个连续的因变量y和一个独立的类别变量x，名为control_grid。 x包含两个变量：c和g

我正在使用python包statsmodel尝试查看自变量是否对y变量有重大影响，例如：

model = smf.ols('y ~ c(x)', data=df)
results = model.fit()
table = sm.stats.anova_lm(results, typ=2)

打印表将得出以下结果：

     OLS Regression Results                            
==============================================================================
Dep. Variable:          sedimentation   R-squared:                       0.167
Model:                            OLS   Adj. R-squared:                  0.165
Method:                 Least Squares   F-statistic:                     86.84
Date:                Fri, 13 Jul 2018   Prob (F-statistic):           5.99e-19
Time:                        16:15:51   Log-Likelihood:                -2019.2
No. Observations:                 436   AIC:                             4042.
Df Residuals:                     434   BIC:                             4050.
Df Model:                           1                                         
Covariance Type:            nonrobust                                         
=====================================================================================
                        coef    std err          t      P>|t|      [0.025      0.975]
-------------------------------------------------------------------------------------
Intercept            -6.0243      1.734     -3.474      0.001      -9.433      -2.616
control_grid[T.g]    22.2504      2.388      9.319      0.000      17.558      26.943
==============================================================================
Omnibus:                       30.623   Durbin-Watson:                   1.064
Prob(Omnibus):                  0.000   Jarque-Bera (JB):               45.853
Skew:                          -0.510   Prob(JB):                     1.10e-10
Kurtosis:                       4.218   Cond. No.                         2.69
==============================================================================

在显示系数的表格中，我不了解我的因变量的描述。

它说：

control_grid[T.g]

什么是“ T”？ 并且它仅查看两个变量之一吗？ 仅作用于“ g”而不作用于“ c”？

如果您去这里，您会发现在摘要中还显示了所有四个变量“ N”，“ S”，“ E”和“ W”的分类数据区域。

PS我的数据看起来像这样：

index         sedimentation control_grid
0             5.0            c
1            10.0            g
2             0.0            c
3           -10.0            c
4             0.0            g
5           -20.0            g
6            30.0            g
7            40.0            g
8           -10.0            c
9            45.0            g
10           45.0            g
11           10.0            c
12           10.0            g
13           10.0            c
14            6.0            g
15           10.0            c
16           29.0            c
17            3.0            g
18           23.0            c
19           34.0            g

Answer 1

我不是专家，但我会尽力解释。 首先，您应该知道ANOVA是回归分析，因此您正在建立模型Y〜X，但在Anova X中则是类别变量。 在您的情况下，Y =沉降，而X = control_grid（这是绝对的），因此模型为“沉降〜control_grid”。

Ols执行回归分析，因此它计算线性模型的参数：Y = Bo + B1X，但是，鉴于您的X是分类的，您的X是伪编码的，这意味着X只能是0或1，这与分类是一致的数据。 请注意，在Anova中，估计的参数数量等于类别数量-1，您的数据中只有2个类别（g和c），因此ols报告中仅显示一个参数。 “ Tg”表示此参数对应于“ g”类别。 那么您的模型是Y = Bo + Tg * X

现在，将Tc的参数视为Bo，因此实际上，您的模型是：

Y = Tc X + Tg X其中X是O或1，具体取决于它是“ c”还是“ g”。

所以，你在问：

1）什么是“ T”？ T（Tg）仅指示您估计和显示的参数对应于类别“ g”。

2）它是否仅查看两个变量之一？ 不，分析估计了两个类别（c和g）的参数，但是截距Bo代表数据“ c”中该类别其他级别的系数。

3）仅在“ g”的作用而不是在“ c”的作用？ 不，实际上，分析着眼于“ g”和“ c”的影响。 如果查看系数Tg和截距（Tc）的值，则可以了解它们是否有意义（p值），并且可以说出它们是否对“沉降”有影响。

干杯，