python：statsmodels 一元线性回归分析

最新推荐文章于 2024-12-09 16:57:24 发布

原创

最新推荐文章于 2024-12-09 16:57:24 发布 · 1.8k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#python #statsmodels #OLS

本文介绍了一元线性回归的基本原理及应用，并通过Python的statsmodels库进行实操演示，利用基金净值数据进行拟合分析，展示了如何构建回归模型并进行预测。

pip install statsmodels-0.12.0-cp37-none-win_amd64.whl --upgrade

一元线性回归分析：

线性回归也被称为最小二乘法回归（Linear Regression, also called Ordinary Least-Squares (OLS) Regression）。
它的数学模型是这样的: y = a + b*x + e
其中，a被称为常数项或截距、b被称为模型的回归系数或斜率、e为误差项。 a和b是模型的参数
当然，模型的参数只能从样本数据中估计出来。

基金净值数据格式：

date,jz,ljjz
2020-01-02,1.4347,1.4347
2020-01-03,1.4323,1.4323

statsmodel_1.py

# coding=utf-8
import os, sys
import numpy as np
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt

# 用 statsmodels库做一元线性回归分析
if len(sys.argv) ==2:
    fcode = sys.argv[1]
else:
    print('usage: python statsmodel_1.py fcode ')
    sys.exit(1)

if len(fcode) !=6:
    print(' fcode is char(6)')
    sys.exit(2)

file1 = "./" +fcode +'.csv'
if not os.path.exists(file1):
    print(file1 +' is not exists.')
    sys.exit(3)

# 用pandas 读取csv
df = pd.read_csv(file1)
df = df[ df['date'] > '2020-01-01']
y = df['j