回归模型的假设检验

这里主要使用statsmodels模块。

建模

import numpy as np
import statsmodels as sm
from sklearn.model_selection import train_test_split

profit = pd.read_excel('./Predict to Profit.xlsx')
train, test = train_test_split(profit, test_size = 0.2,random_state=1234)
model = sm.formula.ols('Profit ~ RD_Spend + Administration + Marketing_Spend+ C(State)', data=train).fit()
model.params

结果返回模型的偏回归系数：

上述代码中，将State变了套在C()中，表示State变量需要进行哑变量处理。类似pandas.get_dummies()函数。

假设检验

主要使用一行代码：

model.summary()

返回结果：

模型的显著性检验、回归系数的显著性检验、残差独立性检验等都可以从上图中直接得到结果。