Fitting a parallel slopes linear regression
V kurzu Introduction to Regression with statsmodels in Python ses naučil/a sestavovat modely lineární regrese s jednou vysvětlující proměnnou. V praxi ale jediná vysvětlující proměnná často nestačí k přesným předpovědím. Abys skutečně zvládl/a lineární regresi, potřebuješ umět pracovat s více vysvětlujícími proměnnými najednou.
Případ, kdy máš jednu numerickou a jednu kategorickou vysvětlující proměnnou, se někdy nazývá regrese "rovnoběžných přímek" (parallel slopes) – a to kvůli tvaru výsledných předpovědí. Víc se o tom dozvíš v následujícím cvičení.
Tady se vrátíš k taiwanskému datasetu nemovitostí. Připomeň si, co jednotlivé proměnné znamenají.
| Proměnná | Význam |
|---|---|
dist_to_mrt_station_m |
Vzdálenost k nejbližší stanici metra MRT v metrech. |
n_convenience |
Počet obchodů s potravinami v docházkové vzdálenosti. |
house_age_years |
Stáří domu v letech, rozdělené do 3 skupin. |
price_twd_msq |
Cena domu za jednotku plochy v nových tchajwanských dolarech za metr čtvereční. |
Dataset taiwan_real_estate je k dispozici.
Toto cvičení je součástí kurzu
Intermediate Regression with statsmodels in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import ols from statsmodels.formula.api
____
# Fit a linear regression of price_twd_msq vs. n_convenience
mdl_price_vs_conv = ____
# Print the coefficients
print(____)