【教男朋友用python做计量】01.OLS线性回归分析

第一节 利用python进行最小二乘法回归分析

---

---

写在前面的话

FBI WARNING

• 本人是个计量小白，不会用stata，只会python，这学期学了计量经济学。关于如何用python做计量的文档相比起stata来说太少，且一些更深层次的检验尚没有太多教程，本菜狗在完成课程作业的时候只能硬着头皮读官方文档，也深刻认识到用python做计量的不易(x)。
• 好在statsmodels的功能也强大，官方文档也很细，其实该有的功能差不多都有，遗憾之处就是用的人太少了，所以留下来的可以供人参考的内容比较少。于是乎，本菜狗本着学习的目的，在完成作业的时候将遇到的计量方法和对应如何用python实现的步骤都写在这里，供自己平时参考用，也教教我那只会用stata的对象，让他早日放弃点点点，和我一起在VSC面向对象编程0.0
• 本文供自己和小对象学习用，本人也是个正在摸索用python做计量的菜狗，所以内容有错误之处还望各位大佬指证。
• 所以，我的可爱准备好和我一起学了吗？那么，开始吧～

---

一、关于statsmodels

• statsmodels是一个Python的包，它提供了用于估计许多不同统计模型、进行统计测试和统计数据探索的类和函数。我们常用的计量的模型和检验都可以通过statsmodels包里自带的方法完成，例如OLS，GLS，时间序列分析等，并且输出回归的结果。下图是官方文档里的user guide界面：
  
  本次学习的内容也是基于statsmodels模块进行的。

• 官方文档链接：https://www.statsmodels.org/stable/index.html

• 在python里获取statsmodels的方法：

    pip install statsmodels
  

工具准备好啦～我们就继续冲吧～！

二、利用statsmodels进行OLS分析

1.使用statsmodels.api.OLS计算

准备工具包和数据：

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