如何在python中的线性回归模型中计算斜率的99%置信区间?
我们具有以下线性回归:y〜b0 + b1 * x1 + b2 *
x2。我知道Matlab中的回归函数可以计算出来,但是numpy的linalg.lstsq不能(https://docs.scipy.org/doc/numpy-
dev/user/numpy-for-matlab-users.html)。
回答:
StatsModels’RegressionResults
有一个conf_int()
方法。这是一个使用它的示例(普通最小二乘示例的最小修改版本):
import numpy as np, statsmodels.api as smnsample = 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
以上是 如何在python中的线性回归模型中计算斜率的99%置信区间? 的全部内容, 来源链接: utcz.com/qa/409699.html