Statsmodels库中最小二乘法OLS(Ordinary-Least-Square)包含检验

使用numpy库创建x和y的数组,然后通过statsmodels库的OLS方法进行线性回归分析,计算得到回归方程的参数a和b。接着应用F检验评估回归方程的显著性,根据给定的F值与临界值比较。

已知实验数据如下表所示:

x

1.0

1.5

2.0

2.5

3.0

y

5.1

6.9

7.8

10.3

11.8

假设xy的关系为y=b*x,试根据实验数据进行回归,确定参数 a、b的值,并用F检验判断回归方程是否显著

(F(1, 3)=10.13,F(1, 5)=6.61)。

import numpy as np
import statsmodels.regression.linear_model as ll
#Statsmodels库中最小二乘法OLS(Ordinary-Least-Square)
x = np.array([1, 1.5, 2.0, 2.5, 3.0])
y = np.array([5.1, 6.9, 7.8, 10.3, 11.8])
s=ll.OLS(x,y).fit()
print(s.summary())

 

评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值