用 Python 计算线性回归标准化系数 (beta)

Question

我想使用 Python 中的标准工具（numpy、pandas、scipy.stats 等）计算线性回归模型的 beta or standardized coefficient。

我的一个朋友告诉我，这是在 R 中使用以下命令完成的：

lm(scale(y) ~ scale(x))

目前，我正在 Python 中这样计算它：

from scipy.stats import linregress
from scipy.stats.mstats import zscore

(beta_coeff, intercept, rvalue, pvalue, stderr) = linregress(zscore(x), zscore(y))
print('The Beta Coeff is: %f' % beta_coeff)

在Python中是否有更直接的函数来计算这个数字？

Answer 1

Python 是一种通用语言，但 R 是专门为统计而设计的。在 python 中几乎总是需要多几行代码才能实现相同的（统计）目标，这纯粹是因为一旦启动 R 就准备好拟合回归模型（使用 lm）向上。

对您的问题的简短回答是 否 - 您的 python 代码已经非常简单。

也就是说，我认为更接近于您的 R 代码的是

import statsmodels.api as sm
from scipy.stats.mstats import zscore

print sm.OLS(zscore(y), zscore(x)).fit().summary()

用 Python 计算线性回归标准化系数 (beta)

Compute linear regression standardized coefficient (beta) with Python

python

statistics

numpy

scipy

linear-regression