使用statsmodels線性回歸對特定向量x的預測結果

Question

我已經使用OLS成功建立了一個用於大量數據的模型。

results = smf.ols(formula='ind ~ Age + C(County) + C(Class)',  data=df).fit()

我想實現一種方法，該方法允許用戶輸入向量X ，並使其基於回歸返回y 。 我研究了statsmodels的“預測”和“預測”功能，但這似乎並不是我想要的。

因此，例如，我想做的是：

 ## Although the following is wrong, It shows what I'm trying to do:
 def forecast_y(X):
      return results.forecast(X) 


 ## example:
 print forecast_y([1, 3, 4]) 
 # the model should return
 4.53

Answer 1

如果我做對了，則您不希望y的樣本內預測，這就是為什么您不想使用predict方法的原因； 相反，您只希望能夠插入任意x值並根據預測系數獲得y的值？

如果是這樣，請從您的示例繼續：

params = results.params   #vector of your coefficients
arbitrary_x = np.array([.5, .5, .5...]) #whatever x values you want to test, with the constant first

assert(len(params) == len(arbitrary_x))

arbitrary_y = (params * arbitrary_x).sum()

我將保留對讀者的理解，但請務必謹慎使用。