【OLS回归_结果解读】

这么可爱的你，就关注我一下吧~

我们先根据以下代码简单的做一个OLS回归：

import numpy as np
from pandas import DataFrame as df
import statsmodels.api as sm

x = df(np.linspace(0,100,100),columns=['x1'])
x['x2'] = np.linspace(10,1,100)
x = sm.add_constant(x)
e = np.random.normal(size=100)

y = np.dot(x, [1,2,3]) + e
ols_model = sm.OLS(y,x).fit()
ols_model.summary()

一张图理解OLS回归的结果：

那么知道了以上每个指标的含义之后，哪些是我们需要重点关注的呢？

1）R-squared：
根据R-squared可以看出我们的模型拟合程度；

2）F-statistic、Prob (F-statistic)：
用于判定是否x中至少有一个对y产生影响,如果呈现出显著性,则说明所有x中至少一个会对y产生影响关系;

3）自变量的显著性P值：
分析每个自变量x的P值是否小于0.05，P<0.05说明自变量x对y有显著性影响，如果P>0.05，则说明自变量x对y影响不显著性，应剔除；

4）回归系数：
分析回归系数中是否含有负数，或与业务理解方向相反的变量。