カテゴリカルな説明変数

Pythonで学ぶstatsmodelsによる回帰入門

Maarten Van den Broeck

Content Developer at DataCamp

魚データセット

各行は1匹の魚を表す。
行数は128。
種は4種類：
- コイ科ブリーム（Bream）
- ヨーロッパパーチ（Perch）
- ノーザンパイク（Pike）
- ローチ（Roach）

species	mass_g
Bream	242.0
Perch	5.9
Pike	200.0
Roach	40.0
...	...

数値1変数 × カテゴリ1変数の可視化

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()

魚の重量に対する個体数のファセットヒストグラム。各パネルはブリーム、パーチ、パイク、ローチのいずれかの種を示す。

要約統計量：種別の平均質量

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

線形回帰

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

切片の有無によるモデル

前スライドの切片ありモデル

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

係数は切片に対する相対値： $617.83 - 235.59 = 382.24!$

切片なしのモデル

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

単一のカテゴリ変数の場合、係数は平均値になる。

Ayo berlatih!

Pythonで学ぶstatsmodelsによる回帰入門