开始使用免费开始使用

拟合平行斜率线性回归

在课程 Introduction to Regression with statsmodels in Python 中,您已经学习了只含一个解释变量的线性回归模型。在很多情况下,仅使用单个解释变量会限制预测的准确度。要真正掌握线性回归,您需要能够拟合包含多个解释变量的回归模型。

当包含 1 个数值型解释变量和 1 个分类型解释变量时,由于预测曲线的形状,这类模型有时被称为"平行斜率"线性回归——下一道练习会详细介绍。

这里,您将再次使用台湾房地产数据集。回忆各变量的含义。

Variable Meaning
dist_to_mrt_station_m 距离最近 MRT 地铁站的距离(米)。
n_convenience 步行可达范围内的便利店数量。
house_age_years 房龄(年),分为 3 组。
price_twd_msq 单位面积房价(新台币/平方米)。

taiwan_real_estate 已提供。

本练习是课程的一部分

Python 中级回归:使用 statsmodels

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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(____)
编辑并运行代码