通用线性模型有两种类型:
1. 对数线性回归,也称泊松回归
2. 逻辑回归
如何在Python中实现泊松回归以预测价格弹性?
通用线性模型有两种类型:
1. 对数线性回归,也称泊松回归
2. 逻辑回归
如何在Python中实现泊松回归以预测价格弹性?
import numpy as np
import pandas as pd
from statsmodels.genmod.generalized_estimating_equations import GEE
from statsmodels.genmod.cov_struct import (Exchangeable,
Independence,Autoregressive)
from statsmodels.genmod.families import Poisson
pandas
将保存您想要用于提供泊松模型的数据框。
statsmodels
包含大量的统计模型,例如线性、probit、泊松等。从这里,您将导入泊松家族模型(提示:请参见最后一个导入)。
拟合模型的方式如下(假设您的因变量称为 y
,自变量为年龄、trt 和基础):
fam = Poisson()
ind = Independence()
model1 = GEE.from_formula("y ~ age + trt + base", "subject", data, cov_struct=ind, family=fam)
result1 = model1.fit()
print(result1.summary())
statsmodels
中实现为一般线性模型。import patsy
import statsmodels as sm
from statsmodels.genmod.families import Poisson
fam = Poisson()
f = 'some_count ~ some_numeric_variable + C(some_categorical_variable)'
y, X = patsy.dmatrices(f, data, return_type='matrix')
p_model = sm.GLM(y, X, family=fam)
result = p_model.fit()
print(result.summary())
公式中使用的变量只是用来替代DataFrame data
中的变量。