Statistics：Python OLS简单一元线性回归之Scipy包（一）

Statistics

Python OLS简单一元线性回归之Scipy包（一）

写在前面 使用 python 做线性回归分析有好几种方式，常要的分别是 scipy 包，statsmodels 包，以及 sklearn 包。在这里会依次更新这几种方式的简单一元线性回归。并附上之间的区别与评价。

Excel数据结构：

这里我们通过Excel中第四列和第五列的数据通过OLS计算顺丰CAPM的β系数。

代码：

import scipy.stats as st
import pandas as pd
import matplotlib.pyplot as plt

datas = pd.read_excel('D:\\vscode\\第八章\\顺丰β系数.xlsx',sheet_name='Sheet1',header=2,index_col=0,usecols=4,skip_footer=5) 
datas.head()
datas=datas.dropna()
y = datas.iloc[:, 2] # 因变量为第 4 列数据（注意index_col=0的操作）
x = datas.iloc[:, 3] # 自变量为第 5 列数据

# 线性拟合，可以返回斜率，截距，r 值，p 值，标准误差
slope, intercept, r_value, p_value, std_err = st.linregress(x, y)

print(slope)# 输出斜率
print(intercept) # 输出截距
print(r_value**2) # 输出 r^2

效果图：

评价：
scipy 中scipy.stats linregress 函数的回归分析比较简单，目前只能做一元线性回归，也不能用来做预测。