在Python中使用OLS進行多元回歸

Question

我有一個使用Newey-West過程進行多個OLS回歸的代碼。

import pandas as pd
import numpy as np
import statsmodels.api as sm

df = pd.DataFrame({'a':[1,3,5,7,4,5,6,4,7,8,9],
                   'b':[3,5,6,2,4,6,7,8,7,8,9]})

results = sm.OLS(df.a, sm.add_constant(df.b)).fit()
new = results.get_robustcov_results(cov_type='HAC',maxlags=1)
print new.summary()

它可以工作，但是如果我有更多類似的變量，該如何更改代碼。

df = pd.DataFrame({'a':[1,3,5,7,4,5,6,4,7,8,9],
                   'b':[3,5,6,2,4,6,7,8,7,8,9],
                   'c':[3,5,6,2,4,8,7,8,9,9,9],
                   'd':[3,5,6,2,5,8,8,9,8,10,9]})

...並且想要分析它們對變量a的影響，就像分析原始代碼中的變量b一樣？

代碼行results = sm.OLS(df.a, sm.add_constant(df.b)).fit()如何？

謝謝！！

Answer 1

您可以提供多個變量，如下所示：

results = sm.OLS(df.a, sm.add_constant(df[list('bcd')])).fit()