Statsmodels GLM和OLS公式中缺少参数

3
我正在尝试使用公式在包含分类变量的数据集上运行通用线性模型。当我列出参数时,结果汇总表似乎漏掉了一个变量?
我找不到针对glm显示分类变量输出的特定文档,但是我已经为OLS做过这方面的文档,看起来它应该单独列出每个分类变量。无论是使用GLM还是OLS,它都会留下每个类别的一个值。例如:
import statsmodels.formula.api as smf
import pandas as pd
Data = pd.read_csv(root+'/Illisarvik/TestData.csv')
formula = 'Response~Day+Class+Var'
gm = sm.GLM.from_formula(formula=formula, data=Data,
                           family=sm.families.Gaussian()).fit()
ls = smf.ols(formula=formula,data=Data).fit()

print (Data)
print(gm.params)
print(ls.params)



   Day Class       Var  Response
0   D     A  0.533088  0.582931
1   D     B  0.839837  0.075011
2   D     C  1.454716  0.505442
3   D     A  1.455503  0.188945
4   D     B  1.163155  0.144176
5   N     A  1.072238  0.918962
6   N     B  0.815384  0.249160
7   N     C  1.182626  0.520460
8   N     A  1.448843  0.870644
9   N     B  0.653531  0.460177

Intercept     0.625111
Day[T.N]      0.298084
Class[T.B]   -0.439025
Class[T.C]   -0.104725
Var          -0.118662
dtype: float64

Intercept     0.625111
Day[T.N]      0.298084
Class[T.B]   -0.439025
Class[T.C]   -0.104725
Var          -0.118662
dtype: float64
C:/Users/wesle/Dropbox/PhD_Work/Figures/SkeeterEtAlAnalysis.py:55: FutureWarning: sort is deprecated, use sort_values(inplace=True) for INPLACE sorting
  P.sort()

我的模型有问题吗?当我打印完整的汇总表时,同样的问题出现了:

print(gm.summary())

print(ls.summary())


                 Generalized Linear Model Regression Results                  
==============================================================================
Dep. Variable:               Response   No. Observations:                   10
Model:                            GLM   Df Residuals:                        5
Model Family:                Gaussian   Df Model:                            4
Link Function:               identity   Scale:                 0.0360609978309
Method:                          IRLS   Log-Likelihood:                 5.8891
Date:                Sun, 05 Mar 2017   Deviance:                      0.18030
Time:                        23:26:48   Pearson chi2:                    0.180
No. Iterations:                     2                                         
==============================================================================
                 coef    std err          z      P>|z|      [0.025      0.975]
------------------------------------------------------------------------------
Intercept      0.6251      0.280      2.236      0.025       0.077       1.173
Day[T.N]       0.2981      0.121      2.469      0.014       0.061       0.535
Class[T.B]    -0.4390      0.146     -3.005      0.003      -0.725      -0.153
Class[T.C]    -0.1047      0.170     -0.617      0.537      -0.438       0.228
Var           -0.1187      0.222     -0.535      0.593      -0.553       0.316
==============================================================================

                            OLS Regression Results                            
==============================================================================
Dep. Variable:               Response   R-squared:                       0.764
Model:                            OLS   Adj. R-squared:                  0.576
Method:                 Least Squares   F-statistic:                     4.055
Date:                Sun, 05 Mar 2017   Prob (F-statistic):             0.0784
Time:                        23:26:48   Log-Likelihood:                 5.8891
No. Observations:                  10   AIC:                            -1.778
Df Residuals:                       5   BIC:                           -0.2652
Df Model:                           4                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
Intercept      0.6251      0.280      2.236      0.076      -0.094       1.344
Day[T.N]       0.2981      0.121      2.469      0.057      -0.012       0.608
Class[T.B]    -0.4390      0.146     -3.005      0.030      -0.815      -0.064
Class[T.C]    -0.1047      0.170     -0.617      0.564      -0.541       0.332
Var           -0.1187      0.222     -0.535      0.615      -0.689       0.451
==============================================================================
Omnibus:                        1.493   Durbin-Watson:                   2.699
Prob(Omnibus):                  0.474   Jarque-Bera (JB):                1.068
Skew:                          -0.674   Prob(JB):                        0.586
Kurtosis:                       2.136   Cond. No.                         9.75
==============================================================================
1个回答

1
这是线性模型工作方式的一个结果。例如,对于分类变量“Day”,就线性模型而言,它可以被表示为仅有一个“虚拟”变量,对于您提到的第一个值“D”,该变量设置为0(零),对于第二个值“N”,该变量设置为1。从统计学角度来看,您只能恢复这个分类变量两个级别之间的差异。如果现在考虑具有两个级别的“Class”,则有两个虚拟变量,代表这个分类变量三个级别之间的两个差异。实际上,可以使用处理均值的正交多项式来扩展这个想法,但那是另一天的事情了。简短的答案是,在这方面,您的模型没有问题。

有没有想法为什么在调用.params时,文档中显示的OLS返回每个分类而不是n-1个分类? - June Skeeter
是的。正如它所提到的,将 -1 放入模型中会坚持省略截距。现在所有类别效应都是可估计的,但应理解的是,它们是以零为参考的,并且模型中的参数数量仍然相同。 - Bill Bell

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文,
原文链接