Ước lượng hồi quy tuyến tính với đường dốc song song
Trong khóa Introduction to Regression with statsmodels in Python, bạn đã học cách ước lượng các mô hình hồi quy tuyến tính với một biến giải thích. Trong nhiều trường hợp, chỉ dùng một biến giải thích sẽ hạn chế độ chính xác của dự đoán. Để thật sự làm chủ hồi quy tuyến tính, bạn cần có khả năng ước lượng các mô hình với nhiều biến giải thích.
Trường hợp có một biến giải thích dạng số và một biến giải thích dạng phân loại đôi khi được gọi là hồi quy tuyến tính "đường dốc song song" vì hình dạng của các đường dự đoán — bạn sẽ thấy rõ hơn ở bài tập tiếp theo.
Ở đây, bạn sẽ quay lại bộ dữ liệu bất động sản Đài Loan. Hãy nhớ ý nghĩa của từng biến.
| Variable | Meaning |
|---|---|
dist_to_mrt_station_m |
Khoảng cách đến ga MRT gần nhất, tính bằng mét. |
n_convenience |
Số cửa hàng tiện lợi trong phạm vi đi bộ. |
house_age_years |
Tuổi của căn nhà, tính bằng năm, chia thành 3 nhóm. |
price_twd_msq |
Giá nhà trên mỗi đơn vị diện tích, tính bằng Đài tệ trên mét vuông. |
taiwan_real_estate đã được cung cấp.
Bài tập này là một phần của khóa học
Hồi quy trung cấp với statsmodels trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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(____)