Ajustar una regresión lineal de pendientes paralelas
En Introduction to Regression with statsmodels in Python, aprendiste a ajustar modelos de regresión lineal con una sola variable explicativa. En muchos casos, usar solo una variable explicativa limita la precisión de las predicciones. Para dominar de verdad la regresión lineal, necesitas ser capaz de ajustar modelos con múltiples variables explicativas.
El caso en el que hay una variable explicativa numérica y otra categórica a veces se llama regresión lineal de "pendientes paralelas" por la forma de las predicciones; hablaremos más de ello en el siguiente ejercicio.
Aquí volverás al conjunto de datos de bienes raíces de Taiwán. Recuerda el significado de cada variable.
| Variable | Significado |
|---|---|
dist_to_mrt_station_m |
Distancia a la estación de metro MRT más cercana, en metros. |
n_convenience |
Nº de tiendas de conveniencia a distancia a pie. |
house_age_years |
Antigüedad de la vivienda, en años, en 3 grupos. |
price_twd_msq |
Precio de la vivienda por unidad de área, en nuevos dólares taiwaneses por metro cuadrado. |
taiwan_real_estate está disponible.
Este ejercicio forma parte del curso
Regresión intermedia con statsmodels en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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(____)