第二节 输出OLS回归结果的参数

---

---

前言

FBI WARNING：

• 上一节讲了怎样用statsmodels做基础的OLS回归，那一节输出回归结果的方法是summary()，然后就看到一整张表。
• 上一节的链接在这里：利用statsmodels进行OLS线性回归
• 我们还可以通过调用函数查看其他回归结果，例如估计系数，残差值，协方差矩阵等，所以这一节就讲的是OLS回归结果的常用参数输出。
• 官方的文档很全面：OLS回归结果参数提取

所以我的可爱做好准备学习了吗～继续往下看吧！（づ￣3￣）づ╭❤～

---

回归结果提取

1.基础回归

OLS回归的代码：

import statsmodels.api as sm
import pandas as pd
import numpy as np

##输出OLS回归的总体结果
X=sm.add_constant(X)   #记得给X增加常数项列
regression=sm.OLS(Y,X) #选择Y对X进行OLS回归
model=regression.fit() #回归
model.summary() #输出回归结果

2.输出回归结果参数

首先是回归系数类，如系数、标准误等：

model.params#输出回归系数 （向量）

model.bse #输出回归系数的标准误

model.tvalues #输出回归系数的t值 （向量）

model.pvalues #输出回归系数的P值（向量）

model.fittedvalues #输出模型的估计值（向量）

model.resid #输出回归模型的残差 （向量）

模型评价类，来判断模型好坏：如R^2，F值，RSS等:

model.fvalue #输出回归的F值大小 （数）

model.f_pvalue #输出F检验的P值 （数）

model.rsquared #输出回归结果的R^2 （数）

model.rsquared_adj #输出修正的R^2(数)

model.ess #回归平方和

model.ssr #残差平方和

model.mse_total #总均方误差

model.mse_resid #残差均方误差

model.mse_model #模型均方误差

model.aic #AIC 

model.bic #BIC

• 这里直接输出属性～

回归结果其他的信息输出，例如：协方差矩阵、置信区间等。一般都是在后续深入分析时需要的，比如这个协方差矩阵，这次作业我们就遇上了。

model.cov_params() #输出系数的协方差矩阵

model.conf_int() #系数的置信区间 conf_int([alpha, cols]) 可以自己输入置信度

model.HC0_se #怀特（1980）异方差稳健标准误差

model.HC1_se # MacKinnon和White（1985）异方差稳健标准误差;从HC0_se - HC3_se

model.cov_HC0 #异方差稳健协方差矩阵,从cov_HC0-cov_HC3

---

总结

这一节是关于输出statsmodels进行OLS回归结果参数的获取，这里只是把常用的拿出来了，其余全面的官方文档里都有，去那里都能找到答案～好啦，这一节就这样吧！晚安！