맛보기: cvs 파일 읽어서 회귀분석

[안재형]

# 필요한 각종 패키지를 불러오고

import numpy as np

import pandas as pd

import statsmodels.api as sm

import statsmodels.formula.api as smf

# pandas 패키지의 read_csv()를 이용해 cars.csv를 읽어 df라는 data.frame으로 저장합니다.

df=pd.read_csv('~/R/data/cars.csv')

# statsmodels.api패키지의 OLS()함수로 y-절편없는 회귀분석을 합니다. 

model=sm.OLS(np.sqrt(df['dist']),df['speed']).fit()

# statsmodels.formula.api로 R같이 수식을 쓸 수 있습니다.

model2=smf.ols('np.sqrt(dist)~speed-1',data=df).fit()

# 결과를 보면 제 R 책 95쪽에 sqrt-변환을 한 y-절편이 없는 모형하고 동일하네요 (copy-paste해서 결과가 삐뚤삐뚤한데 패키지에서는 줄 잘 맞습니다).

model.summary()   # model2.summary()도 동일합니다.

                            OLS Regression Results                            

==============================================================================

Dep. Variable:          np.sqrt(dist)   R-squared:                       0.969

Model:                            OLS   Adj. R-squared:                  0.968

Method:                 Least Squares   F-statistic:                     1528.

Date:                Sat, 10 Nov 2018   Prob (F-statistic):           1.33e-38

Time:                        11:44:48   Log-Likelihood:                -78.181

No. Observations:                  50   AIC:                             158.4

Df Residuals:                      49   BIC:                             160.3

Df Model:                           1                                         

Covariance Type:            nonrobust                                         

==============================================================================

                 coef    std err          t      P>|t|      [0.025      0.975]

------------------------------------------------------------------------------

speed          0.3967      0.010     39.088      0.000       0.376       0.417

==============================================================================

Omnibus:                        2.127   Durbin-Watson:                   1.772

Prob(Omnibus):                  0.345   Jarque-Bera (JB):                1.703

Skew:                           0.452   Prob(JB):                        0.427

Kurtosis:                       2.973   Cond. No.                         1.00

==============================================================================

[박성훈]

안재형 박사님께서 올려주시는 부분들이
언젠가 SAS 보다는 Python 이나 R로 변경되는 날의 초석이 되겠지요.
열심히 응원합니다.

[SASMaster]

syntax가 R을 아는사람들이 더 편할것 같으네요, SAS보다는. 우선 조용히 눈팅만 하겠습니다.