如何在python的線性回歸模型中計算斜率的99％置信區間？

Question

我們有以下線性回歸：y~b0 + b1 * x1 + b2 * x2。 我知道Matlab中的回歸函數確實計算了它，但是numpy的linalg.lstsq沒有（ https://docs.scipy.org/doc/numpy-dev/user/numpy-for-matlab-users.html ）。

Answer 1

StatsModels的RegressionResults有一個conf_int()方法。 這是一個使用它的例子（ 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的線性回歸，它可以計算r / p值和標准誤差： http ： //docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.linregress.html

編輯：由Brian強調，我從scipy文檔獲得了代碼：

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