线性回归的单侧t检验？

我有这个问题。我正在尝试做线性回归并测试斜率。 t检验检查斜率是否远离0.斜率可以是负值也可以是正值。我只对负斜率感兴趣。线性回归的单侧t检验？

在这个例子中，斜率是正值，我不感兴趣，所以P值应该很大。但它很小，因为现在它测试斜率是否远离0，在任一方向。（我强制截取零，这是我想要的）。有人可以用语法来帮助我看看斜率是否只有负值。在这种情况下，P值应该很大。

而我该如何改变，说99％的置信度或95％或......？对于双向t检验

import statsmodels.api as sm 
import matplotlib.pyplot as plt 
import numpy 
X = [-0.013459134, 0.01551033, 0.007354476, 0.014686473, -0.014274754, 0.007728445, -0.003034186, -0.007409397] 
Y = [-0.010202462, 0.003297546, -0.001406498, 0.004377665, -0.009244517, 0.002136552, 0.006877126, -0.001494624] 
regression_results = sm.OLS (Y, X, missing = "drop").fit() 
P_value = regression_results.pvalues [0] 
R_squared = regression_results.rsquared 
K_slope = regression_results.params [0] 
conf_int = regression_results.conf_int() 
low_conf_int = conf_int [0][0] 
high_conf_int = conf_int [0][1] 
fig, ax = plt.subplots() 
ax.grid (True) 
ax.scatter (X, Y, alpha = 1, color='orchid') 
x_pred = numpy.linspace (min (X), max (X), 40) 
y_pred = regression_results.predict (x_pred) 
ax.plot (x_pred, y_pred, '-', color='darkorchid', linewidth=2)

来源

2017-04-13 Orvar Korvar

我投票结束这个问题作为题外话，因为这不是一个Python问题，而是一个统计数据。属于[CrossValidated]（http://stats.stackexchange.com/） – MSalters

这是一个关于编程的问题。 statsmodels目前不支持模型结果中的单向t_test。 – user333700

p值的计算方法是：

import scipy.stats as ss 
df = regression_results.df_resid 
ss.t.sf(regression_results.tvalues[0], df) * 2 # About the same as (1 - cdf) * 2. 
# see @user333700's comment 
Out[12]: 0.02903685649821508

你的修改也只是：

ss.t.cdf(regression_results.tvalues[0], df) 
Out[14]: 0.98548157175089246

，因为你有兴趣在左只有尾巴。

对于置信区间，你只需要通过阿尔法参数：

regression_results.conf_int(alpha=0.01)

了99％的置信区间。

来源

2017-04-13 11:11:24 ayhan

最好使用t.sf而不是1-cdf，因为它在右侧尾部的精度更高，并且可以小于浮点数epsilon。 – user333700

太棒了！你是我的救星！ :) ........ 一个问题，如果我对右尾感兴趣，我该怎么做？左尾是什么，是负斜率？而右尾是正斜率？ ....... 只是为了确认，“ss.t.cdf（regression_results.tvalues [0]，df）”为我提供了负斜率的P值吗？ ....... alpha = 0.1是单侧测试的10％置信水平？...... t.sf的语法如何？ –

@ user333700谢谢，我不知道。让我更新。 – ayhan

线性回归的单侧t检验？

回答

相关问题