[英]Multiple regression with OLS in python
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!!
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()
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.