我正试图学习如何在python 3.7中执行一些我通常在Stata中很容易完成的操作。
我正在做这样一个数据框架。
estimation_window group_id y x
0 1 3.17 23
1 1 4.76 26
1 2 4.17 73
1 2 8.70 72
0 2 11.45 16
我想用一个for循环对group_id中的每一个不同的组进行线性回归估计(y on x),只使用假估计窗口(dummy estimation_window)等于1的观测值。
然后,我想在初始数据框中添加三列:一列是预测值,一列是每个回归的β值(x系数),一列是每个回归的截距。这些值应该针对所有的观测值进行计算,而不仅仅是那些虚值估计窗口等于1的观测值。
结果数据集应该是这样的。
estimation_window group_id y x predicted_val beta_coeff alpha_coeff
0 1 3.17 23 3.10 0.32 1.43
1 1 4.76 26 4.00 0.32 1.43
1 2 4.17 73 4.10 0.75 0.95
1 2 8.70 72 8.50 0.75 0.95
0 2 11.45 16 10.30 0.75 0.95
我试过用statsmodels,但没能弄明白。
假设你有你的数据框。
>>> data
estimation_window group_id y x
0 0 1 3.17 23.0
1 1 1 4.76 26.0
2 1 2 4.17 73.0
3 1 2 8.70 72.0
4 0 2 11.45 16.0
然后你可以通过分组 group_id
,并逐一做线性回归,保存好参数。如果你使用的是 statsmodels
,这是你可以做的。
for groupid, grp in data.groupby('group_id'):
print(groupid)
model = sm.OLS(grp['y'], sm.add_constant(grp['x'])).fit()
data.loc[data['group_id'].eq(groupid), 'alpha'] = model.params['const']
data.loc[data['group_id'].eq(groupid), 'beta'] = model.params['x']
然后你可以手动重新计算预测值(只是因为线性模型很简单)。
data['predicted_val'] = data['x'] * data['beta'] + data['alpha']
然后你就有了这个结果:
estimation_window group_id y x alpha beta predicted_val
0 0 1 3.17 23.0 -9.020000 0.530000 3.170000
1 1 1 4.76 26.0 -9.020000 0.530000 4.760000
2 1 2 4.17 73.0 12.926162 -0.089804 6.370451
3 1 2 8.70 72.0 12.926162 -0.089804 6.460255
4 0 2 11.45 16.0 12.926162 -0.089804 11.489294