如何使用 statsmodel 将截距设置为 0 - 用于多元线性回归答案

【问题标题】：How to set intercept to 0 with statsmodel - for multiple linear regression如何使用 statsmodel 将截距设置为 0 - 用于多元线性回归
【发布时间】：2019-01-18 15:43:34
【问题描述】：

几年前有一篇关于此的帖子，但只包括了一个快速修复。 Specifying a Constant in Statsmodels Linear Regression?

快速解决方法是先运行并减去截距方程，然后再次运行。如果你一遍又一遍地跑，那就很乏味了。

我认为您可以传递一个参数，告诉它将截距设置为零。除了 statsmodels 之外，还可以使用其他统计包。

【问题讨论】：

请注意，所引用的问题是针对一个固定的非零常量，这比完全忽略截距更难做到。

标签： python pandas statsmodels

【解决方案1】：

这取决于您使用的 api。如果您使用的是statsmodels.api，那么您需要通过将1s 列添加到exog 来显式地将常量添加到您的模型中。如果你不这样做，那么就没有拦截。

import pandas as pd
import statsmodels.formula.api as smf
import statsmodels.api as sm

df = pd.DataFrame({'x': range(0,10)}).assign(y=lambda x: x+8)

# Fit y = B*x, no intercept
res1 = sm.OLS(endog=df.y, exog=df.x).fit()
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
x              2.2632      0.269      8.421      0.000       1.655       2.871
==============================================================================


# fit y = B*x + C, by adding a column of ones
res2 = sm.OLS(endog=df.y, exog=df[['x']].assign(intercept=1)).fit()
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
x              1.0000   8.64e-16   1.16e+15      0.000       1.000       1.000
intercept      8.0000   4.61e-15   1.73e+15      0.000       8.000       8.000
==============================================================================

如果您使用的是smf api，则可以将-1 添加到 Patsy 公式中，这将告诉它删除常量，否则包含 Intercept。

res3 = smf.ols('y ~ x -1', data=df).fit()
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
x              2.2632      0.269      8.421      0.000       1.655       2.871
==============================================================================

# Default includes the constant
res4 = smf.ols('y ~ x', data=df).fit()
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
Intercept      8.0000   2.72e-15   2.94e+15      0.000       8.000       8.000
x              1.0000   5.09e-16   1.96e+15      0.000       1.000       1.000
==============================================================================

【讨论】：