使用 statsmodels 评估回归系数的 t 检验

Question

我有一个包含大约 100 多个特征的数据集。我还有一小组协变量。

我使用 statsmodels 为每个协变量、特征 x 和因变量 y 构建了一个 OLS 线性模型。

我正在尝试对回归系数进行假设检验，以测试系数是否等于 0。我认为 t 检验是解决此问题的合适方法，但我不太确定该怎么做使用 statsmodels 在 Python 中实现这一点。

我知道我特别想使用http://www.statsmodels.org/devel/generated/statsmodels.regression.linear_model.RegressionResults.t_test.html#statsmodels.regression.linear_model.RegressionResults.t_test

但我不确定我是否理解 r_matrix 参数。我能为此提供什么？我确实看过这些例子，但我不清楚。

此外，我对对协变量本身进行 t 检验不感兴趣，而对 x 的回归系数感兴趣。

任何帮助表示赞赏！

Answer 1

您确定不想要statsmodels.regression.linear_model.OLS 吗？这将执行 OLS 回归，提供参数估计值和相应的 p 值（以及许多其他内容）。

from statsmodels.regression import linear_model
from statsmodels.api import add_constant

Y = [1,2,3,5,6,7,9]
X = add_constant(range(len(Y)))

model = linear_model.OLS(Y, X)
results = model.fit()
print(results.params) # [ 0.75        1.32142857]
print(results.pvalues) # [  2.00489220e-02   4.16826428e-06]

这些 p 值来自每个拟合参数等于 0 的 t 检验。

似乎RegressionResults.t_test 对不太常规的假设很有用。