Подгонка модели линейной регрессии
Анонимный опрос о заработных платах проводится ежегодно с 2015 года среди европейских IT-специалистов. В 2018 году в нём приняли участие сотни респондентов. В данных опроса содержится информация о количестве лет опыта работы респондентов и их текущей заработной плате.
Вы проанализируете взаимосвязь между этими двумя переменными, чтобы выяснить, влияет ли больший опыт работы на уровень заработной платы — в сторону увеличения или уменьшения.
Независимая переменная — experience_years, зависимая переменная — current_salary.
Данные уже загружены в переменную data, а также подключены statsmodels.api и pandas под псевдонимами sm и pd соответственно.
Это упражнение является частью курса
Анализ данных опросов на Python
Инструкции к упражнению
- Определите переменные
xиy. - Добавьте константный член.
- Выполните регрессию
OLS()и подгоните модель с помощью.fit(). - Выведите сводную таблицу.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Define variable, x and y
x = salary_survey.____.____
y = salary_survey.____.____
# Add the constant term
x = ____.____(x)
# Perform .OLS() regression and fit
result = ____.____(y,x).____()
# Print the summary table
print(____.____())