Ajustando uma regressão linear de inclinações paralelas
No curso Introduction to Regression with statsmodels in Python, você aprendeu a ajustar modelos de regressão linear com uma única variável explicativa. Em muitos casos, usar apenas uma variável explicativa limita a precisão das previsões. Para realmente dominar a regressão linear, você precisa conseguir ajustar modelos com múltiplas variáveis explicativas.
Quando há uma variável explicativa numérica e uma categórica, esse caso às vezes é chamado de regressão linear de "inclinações paralelas" por causa do formato das previsões — mais sobre isso no próximo exercício.
Aqui, você vai revisitar o conjunto de dados de imóveis de Taiwan. Lembre-se do significado de cada variável.
| Variável | Significado |
|---|---|
dist_to_mrt_station_m |
Distância até a estação de metrô (MRT) mais próxima, em metros. |
n_convenience |
Nº de lojas de conveniência a uma distância caminhável. |
house_age_years |
Idade do imóvel, em anos, em 3 grupos. |
price_twd_msq |
Preço do imóvel por área, em novos dólares taiwaneses por m². |
taiwan_real_estate está disponível.
Este exercicio faz parte do curso
Regressão Intermediária com statsmodels em Python
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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(____)