如何在没有预测器的情况下运行回归？答案

【问题标题】：How to run regression without predictor?如何在没有预测器的情况下运行回归？
【发布时间】：2021-12-03 22:40:45
【问题描述】：

我正在尝试在没有预测变量的情况下运行回归，只有常数和错误项。型号为y = a + error。

我试过如下：

import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt

y = np.random.normal(size=50)

sm.OLS(y, sm.add_constant(), missing='drop').fit()

但是，这不起作用。

【问题讨论】：

什么是sm？ y 是什么？请提供minimal reproducible example。
import statsmodels.api as sm，y只是一个数字数组。
您的问题可能对这个社区有用。但是，它没有提供太多信息和上下文。请尝试澄清您到目前为止所做的尝试。
@FranciscoMariaCalisto，我已经澄清了很多
您是否尝试过创建一个与 y 长度相同的数组并为其赋予单个值（即：x = [0,0,0,0,0,...]）？通过将此视为您的自变量，您将没有任何信息增益，因为预测变量始终相同

标签： python

【解决方案1】：

如here 所示，使用没有预测变量的回归并不是主要的数据分析工具。逻辑回归不是分类器，虽然这已经被讨论为“Linear vs. Logistic Regression on Classification Problems”和“Regression for Binary Classification”。但是，由于您在此问题中指出的任何原因，它仍然可能是一项要求。因此，我们将尝试提供适当的解决方案来解决您的问题。

类似于这个question，你可以使用DummyRegressor from Sklearn如下：

import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt
from sklearn.dummy import DummyRegressor

X = np.random.normal(size=50)
y = np.random.normal(size=50)

dummy_regr = DummyRegressor(strategy="mean")
dummy_regr.fit(X, y)

...

【讨论】：