scipy linregress函數錯誤的標準錯誤返回？

我有scipy.stats.linregress一個奇怪的情況似乎返回不正確的標準錯誤：scipy linregress函數錯誤的標準錯誤返回？

from scipy import stats 
x = [5.05, 6.75, 3.21, 2.66] 
y = [1.65, 26.5, -5.93, 7.96] 
gradient, intercept, r_value, p_value, std_err = stats.linregress(x,y) 
>>> gradient 
5.3935773611970186 
>>> intercept 
-16.281127993087829 
>>> r_value 
0.72443514211849758 
>>> r_value**2 
0.52480627513624778 
>>> std_err 
3.6290901222878866

而Excel中返回如下：

slope: 5.394 

intercept: -16.281 

rsq: 0.525 

steyX: 11.696

STEYX是Excel的標準誤差函數，返回11.696與scipy的3.63。有人知道這裏發生了什麼？在Python中獲得迴歸的標準錯誤的任何替代方法，而不會去Rpy？

來源

2010-01-10 Thomas Browne

你可以嘗試statsmodels包：

In [37]: import statsmodels.api as sm 

In [38]: x = [5.05, 6.75, 3.21, 2.66] 

In [39]: y = [1.65, 26.5, -5.93, 7.96] 

In [40]: X = sm.add_constant(x) # intercept 

In [41]: model = sm.OLS(y, X) 

In [42]: fit = model.fit() 

In [43]: fit.params 
Out[43]: array([ 5.39357736, -16.28112799]) 

In [44]: fit.rsquared 
Out[44]: 0.52480627513624789 

In [45]: np.sqrt(fit.mse_resid) 
Out[45]: 11.696414461570097

來源

2010-01-11 05:36:16 ars

輝煌。謝謝你。正是我需要的。 – 2010-01-11 20:07:56

很高興幫助。 :) – ars 2010-01-11 22:36:23

我剛剛被SciPy用戶組告知，這裏的std_err表示梯度線的標準誤差，而不是預測的y的標準誤差，如Excel所示。儘管如此，這個函數的用戶應該小心，因爲這並不總是這個庫的行爲 - 它用來輸出與Excel完全一樣的數據，並且轉換看起來是在過去幾個月發生的。

無論如何仍然在Python中尋找等效於STEYX。

來源

2010-01-10 22:15:07

是的，這是真的 - 漸變的標準估計是什麼linregress的回報; （Y）的標準估計值是相關的，並且您可以通過乘以由Landregress給出的梯度的標準誤差（SEG）來回溯SEE：SEG = SEE/sqrt（（X - 平均值X）** 2）

堆棧交換不處理乳膠，但數學是here如果您有興趣，請在「分析樣本數據」標題下。

來源

2018-02-06 18:34:06

scipy linregress函數錯誤的標準錯誤返回？

回答

相關問題