python拟合离散数据_Logit模型拟合实战案例(Python)——离散选择模型之六
前言:本文详细介绍如何在Python中拟合Logit模型,包括数据准备、哑变量的处理、参数拟合结果解读等内容。
本文为系列离散选择模型(Discrete
Choice Model, DCM)系列文章的第6篇。更多文章请关注公众号:蜂蜂Eric。
在掌握Logit模型的基本理论框架之后,可以通过多种方法进行模型的拟合——SAS、R、MATLAB、Stata、Python都可以。在DCM系列文章的第5篇中,我们用SAS软件去拟合Logit模型(更多介绍请参照:Logit模型拟合实战案例(SAS)——离散选择模型之五);本篇尝试用Python去拟合同样的模型,并对结果进行解读。
案例介绍:
这里仍然使用和上一篇中相同的数据。我们要研究的问题是:在申请的研究生的时候,什么样的学生更容易被录取。
原始数据保存在名为“Application.csv”的文件中(文件格式为csv格式),每一行代表一条申请者的记录:
原始数据中包含3个自变量:
申请者的GRE成绩,用变量gre表示;
申请者的平均绩点,用变量gpa表示;
申请者所在的本科院校的排名,用变量rank表示。
变量gre和gpa都是连续变量。rank为离散变量,只能取1、2、3、4中的某一个值;rank=1对应的学校排名最高,而rank=4对应的排名最低。
申请的结果只有两种情形:“录取”或者“拒绝”。我们用变量admit表示申请结果,显然,admit是一个二分类的变量——admit=1表示“申请者被录取”,admit=0表示“申请者被拒绝”。
软件准备:
本例需要调用下面这几个包:
numpy:Python中用于数值计算的包,可以方便地进行数组和矩阵的相关计算;
pandas:利用pandas可以高效地对数据进行操作和管理;
statsmodels:Python中用于统计建模和计量经济学的包,可以进行描述性统计、统计模型估计和推断等操作;
pylab:本例中用于绘图。
运行Python代码之前,请确保已经正确安装相应的软件包。
建模准备:
正式建模之前,可以先做一些描述性分析(Descriptive analysis)——看一看样本中各变量的均值、方差等等,以加强对数据的理解。具体实现步骤如下。
在Python中导入相应的包:
用pandas的read_csv()
函数读取原始数据文件,并展示前5行:
由于pandas的DataFrame数据结构也有一个方法的名称为rank,这容易与原始数据表中的列名rank产生混淆。将原始数据表中的列名rank更改为sch_rank:
用describe() 函数对样本中的各变量做描述性分析,结果如下面所示。我们可以得到每一个变量的出现的频数(count)、均值(mean)、标准差(std)、最大/小值(min/max)、百分位数(25%,50%,75%)等信息。这一步相当于SAS中的Proc
Means和Proc Freq。
当然,还可以做一下交叉频数分析,粗略地观察(离散的)自变量和因变量之间关系。例如,根据下图我们就可以看出:在样本中,当申请者所在的学校排名越高时(’sch_rank=1’),申请者被录取的比例也就越大。
还可以利用直方图来可视化数据:
(P.S. Python新手一枚,这图中间有点挤,各位有什么方法可以增加中间的间距么?谢谢!)
数据准备:
在Python中拟合Logit模型的过程非常简单,直接调用statsmodels库中的Logit() 函数即可。调用Logit() 函数的基本格式:
Logit() 函数有两个输入参数:
endog代表和因变量(Y)对应的数据,通常为一维的数组;本例中就是原始数据中和变量admit相对应的那一列数据:
exog代表和自变量(X)对应的数据;本例中就是变量gre、gpa、rank(后更名为sch_rank)相对应的那一部分数据:
问题在于——
(1)变量sch_rank是一个分类变量,需要对其进行哑变量处理。在SAS中,分类变量的哑变量化是通过 class 语句实现的(如下图),而在Python中这一步需要手动实现。
(2)Logit()函数不会自动添加常数项[1],因此我们在准备数据的时候,需要手动添加常数项。
可见,知道了Python中利用Logit() 函数就可以拟合Logit模型后,剩余工作的难点在于数据的准备。
利用pandas中的get_dummies()
函数对分类变量sch_rank进行哑变量化操作,其结果是得到sch_rank_1、sch_rank_2、sch_rank_3、sch_rank_4四个0-1变量:
由于sch_rank_1+ sch_rank_2 + sch_rank_3 + sch_rank_4=
1, 所以不能直接把这四个变量同时放到模型(否则会有共线性的问题),我们选取sch_rank_4作为基变量(和上一篇的SAS案例保持一致),把sch_rank_1、sch_rank_2、sch_rank_3和其它两个自变量gre、gpa的数据拼到一起:
手动添加常数项:
至此,数据准备工作已经完成!
模型拟合:
在拟合Logit模型的时候,只要从上面的data中提取出因变量、自变量(含常数项)相对应的列,然后放到Logit()函数中即可。
提取和自变量、常数项相对应的列名:
拟合Logit模型。拟合的结果存储于result对象中:
输出result对象中的拟合结果:
上表中输出了Logit模型的相关拟合结果。结果包含两部分:上半部分给出了和模型整体相关的信息,包括因变量的名称(Dep. Variable: admit)、模型名称(Model: Logit)、拟合方法(Method: MLE 最大似然估计)等信息;下半部分则给出了和每一个系数相关的信息,包括系数的估计值(coef)、标准误(std err)、z统计量的值、显著水平(P>|z|)和95%置信区间。
根据上表可以得到本例中Logit模型的具体形式:
由于哑变量sch_rank_3的值并不显著(0.591),因此sch_rank_3没有包含在上面的模型中。
前文中说过(参见系列文章之:Logit究竟是个啥?–离散选择模型之三 – 知乎专栏),在Logit模型中,变量的系数是指:自变量每变化一个单位,胜率(Odds)的对数的变化值。在本例中,以变量gre的系数为例,其解读方式为:
当其它变量保持不变时,申请者的GRE成绩每增加一分,其被录取的胜率的对数
增加0.0023。取对数后,可以得到胜率
变成原来的
倍(这一步的计算代码参见下图)。
求各系数的指数值(即相应的Odds):
也可输出和Odds相对应的95%置信区间:
我们可以将Python中输出的结果和SAS中的结果(见下图)进行对比——二者的系数估计结果基本一致(一个细小的区别是:在检验单个变量是否显著时,statsmodels用的是z统计量,SAS用的是Wald Chi-Square 统计量)。
更多关于离散选择模型的文章,欢迎关注微信公众号:蜂蜂Eric。
参考资料:
更多相关文章请关注微信公众号:蜂蜂Eric
python拟合离散数据_Logit模型拟合实战案例(Python)——离散选择模型之六相关推荐
- 《Python金融大数据风控建模实战》 第6章 变量分箱方法
<Python金融大数据风控建模实战> 第6章 变量分箱方法 本章引言 Python代码实现及注释 本章引言 变量分箱是一种特征工程方法,意在增强变量的可解释性与预测能力.变量分箱方法主要 ...
- Python提取pdf中的表格数据(附实战案例)
14天阅读挑战赛 今天给大家介绍一个Python使用工具,那就是从pdf文件中读取表格数据,主要用到第三方库 pdfplumber. pdfplumber简介 pdfplumber是一款基于pdfmi ...
- python爬取喜马拉雅_Python爬虫实战案例之爬取喜马拉雅音频数据详解
这篇文章我们来讲一下在网站建设中,Python爬虫实战案例之爬取喜马拉雅音频数据详解.本文对大家进行网站开发设计工作或者学习都有一定帮助,下面让我们进入正文. 前言 喜马拉雅是专业的音频分享平台,汇集 ...
- python数据分析实战案例-Python数据分析案例实战
原标题:Python数据分析案例实战 至今我们网站已经开设了多个数据分析系列的课程,大部分都是基于算法思路来开展的,课程中着重点在于算法的讲授.软件的使用,案例只是辅助学习.然而很多学员反映,希望可以 ...
- python自动化办公实战案例,python 自动化办公 案例
推荐几个适合新手练手的Python项目 谷歌人工智能写作项目:小发猫 python编程:输入一个自然数n,如果n为奇数,输出表达式1+1/3+-+1/n的值 def summ(n): if n%2: ...
- 【Pytorch神经网络实战案例】15 WGAN-gp模型生成Fashon-MNST模拟数据
1 WGAN-gp模型生成模拟数据案例说明 使用WGAN-gp模型模拟Fashion-MNIST数据的生成,会使用到WGAN-gp模型.深度卷积GAN(DeepConvolutional GAN,DC ...
- python文件审计系统_Python代码审计实战案例总结之CRLF和任意文件读取
介绍 Python代码审计方法多种多样,但是总而言之是根据前人思路的迁移融合扩展而形成.目前Python代码审计思路,呈现分散和多样的趋势.Python微薄研发经验以及结合实际遇到的思路和技巧进行总结 ...
- Python函数练习题:通讯录管理程序实战案例
嗨害大家好鸭!我是小熊猫❤ 好久没有整实战案例类文章辽 今天就来整一整~ 功能简介 实现一个通讯录管理程序,使用函数来实现程序,采用模块化的程序设计方法: 划分通讯录程序的功能模块,使用函数实现相应的 ...
- 【Python】京东消费行为数据分析可视化实战案例
©️数据STUDIO投稿 · 作者|理智 一.背景 京东JD.COM-专业综合网上购物商城,销售超数万品牌,4020万种商品,囊括家电.手机.电脑.服装.居家.健康.母婴.美妆.个护.食品.旅游等品类 ...
最新文章
- Linux下Shell日期的格式
- 郭涛:忽悠 众多人工智能创业公司与AI无关
- Windows7 VMware虚拟机安装Apple Mac OSX v10.7 Lion
- 最新动态,电信屏蔽Godaddy部分DNS服务
- redis 基本类型和命令(一)
- django的from组件
- 创新设计模式:单例模式
- 模拟利器Mockito
- html安装方正兰亭,方正兰亭字体
- Rss Feed是什么?
- .bat批处理(十一):替换字符串中包含百分号%的子串
- 语音芯片排行榜,为何唯创知音WT588F语音芯片如此受欢迎
- 图表制作办公首选--实用图表工具Echars
- 双目立体匹配流程详解
- Pacemaker部署
- fanuc机器人DCS
- swift中代码生成纯色图片
- 京东方校园招聘页面重构
- Andrew Ng-机器学习基础笔记(下)-Python实现代码
- Vue 源码 思维导图