Variables explicativas categóricas

Introducción a la regresión con statsmodels en Python

Maarten Van den Broeck

Content Developer at DataCamp

Conjunto de datos de peces

  • Cada fila es un pez.
  • El conjunto tiene 128 filas.
  • Hay 4 especies:
    • Carpa Bream (Common Bream)
    • Perca europea (European Perch)
    • Lucio (Northern Pike)
    • Rutilo (Common Roach)
species mass_g
Bream 242.0
Perch 5.9
Pike 200.0
Roach 40.0
... ...
Introducción a la regresión con statsmodels en Python

Visualizar 1 numérica y 1 categórica

import matplotlib.pyplot as plt
import seaborn as sns

sns.displot(data=fish,
            x="mass_g",
            col="species",
            col_wrap=2,
            bins=9)

plt.show()

Histograma facetado de recuentos de peces frente a su peso. Cada panel es una especie: bream, perch, pike o roach.

Introducción a la regresión con statsmodels en Python

Estadísticos: masa media por especie

summary_stats = fish.groupby("species")["mass_g"].mean()
print(summary_stats)

species
Bream    617.828571
Perch    382.239286
Pike     718.705882
Roach    152.050000
Name: mass_g, dtype: float64
Introducción a la regresión con statsmodels en Python

Regresión lineal

from statsmodels.formula.api import ols 
mdl_mass_vs_species = ols("mass_g ~ species", data=fish).fit()

print(mdl_mass_vs_species.params)

Intercept           617.828571
species[T.Perch]   -235.589286
species[T.Pike]     100.877311
species[T.Roach]   -465.778571
Introducción a la regresión con statsmodels en Python

Modelo con o sin intercepto

De la diapositiva anterior, modelo con intercepto

mdl_mass_vs_species = ols(
  "mass_g ~ species", data=fish).fit()

print(mdl_mass_vs_species.params)

Intercept           617.828571
species[T.Perch]   -235.589286
species[T.Pike]     100.877311
species[T.Roach]   -465.778571

Los coeficientes son relativos al intercepto: $617.83 - 235.59 = 382.24!$

Modelo sin intercepto

mdl_mass_vs_species = ols(
  "mass_g ~ species + 0", data=fish).fit()

print(mdl_mass_vs_species.params)

species[Bream]    617.828571
species[Perch]    382.239286
species[Pike]     718.705882
species[Roach]    152.050000

Con una sola variable categórica, los coeficientes son las medias.

Introducción a la regresión con statsmodels en Python

¡Vamos a practicar!

Introducción a la regresión con statsmodels en Python

Preparing Video For Download...