我正在嘗試學(xué)習(xí)如何在 python 3.7 中執(zhí)行一些我通常在 Stata 中輕松執(zhí)行的操作。我正在處理這樣的數(shù)據(jù)框：estimation_window group_id y x 0 1 3.17 231 1 4.76 261 2 4.17 731 2 8.70 720 2 11.45 16我想要一個(gè) for 循環(huán)來估計(jì) group_id 中每個(gè)不同組的線性回歸（y on x），只使用虛擬 estimation_window 等于 1 的觀察值。然后，我想將三列添加回我的初始數(shù)據(jù)框：一列包含預(yù)測(cè)值，一列包含每個(gè)回歸的 beta（x 系數(shù)），一列包含每個(gè)回歸的截距。應(yīng)該為所有觀察值計(jì)算這些值，而不僅僅是虛擬 estimation_window 等于 1 的那些值。生成的數(shù)據(jù)集應(yīng)如下所示：estimation_window group_id y x predicted_val beta_coeff alpha_coeff0 1 3.17 23 3.10 0.32 1.43 1 1 4.76 26 4.00 0.32 1.431 2 4.17 73 4.10 0.75 0.951 2 8.70 72 8.50 0.75 0.950 2 11.45 16 10.30 0.75 0.95我嘗試使用 statsmodels 但無法弄清楚。
1 回答
慕容森
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超18個(gè)贊
假設(shè)你有你的數(shù)據(jù)框：
>>> data
estimation_window group_id y x
0 0 1 3.17 23.0
1 1 1 4.76 26.0
2 1 2 4.17 73.0
3 1 2 8.70 72.0
4 0 2 11.45 16.0
然后你可以分組group_id，一個(gè)一個(gè)做線性回歸，把參數(shù)存起來。如果您使用statsmodels的是 ，那么您可以執(zhí)行以下操作：
for groupid, grp in data.groupby('group_id'):
print(groupid)
model = sm.OLS(grp['y'], sm.add_constant(grp['x'])).fit()
data.loc[data['group_id'].eq(groupid), 'alpha'] = model.params['const']
data.loc[data['group_id'].eq(groupid), 'beta'] = model.params['x']
然后你可以手動(dòng)重新計(jì)算預(yù)測(cè)值（只是因?yàn)榫€性模型很簡(jiǎn)單）：
data['predicted_val'] = data['x'] * data['beta'] + data['alpha']
結(jié)果是：
estimation_window group_id y x alpha beta predicted_val
0 0 1 3.17 23.0 -9.020000 0.530000 3.170000
1 1 1 4.76 26.0 -9.020000 0.530000 4.760000
2 1 2 4.17 73.0 12.926162 -0.089804 6.370451
3 1 2 8.70 72.0 12.926162 -0.089804 6.460255
4 0 2 11.45 16.0 12.926162 -0.089804 11.489294
添加回答
舉報(bào)
0/150
提交
取消