objectif

Régression linéaire OLS avec résumé des coefficients.

code minimal

import statsmodels.api as sm
import numpy as np
X = np.column_stack([np.ones(100), np.linspace(0,1,100)])
y = X[:,1]*2.0 + 1.0 + np.random.default_rng(0).normal(scale=0.1, size=100)
res = sm.OLS(y, X).fit()
print(len(res.params) == 2)

utilisation

print(float(res.params[1]) > 0)

variante(s) utile(s)

import statsmodels.api as sm
import numpy as np
X = sm.add_constant(np.linspace(0,1,20))
y = X[:,1] + np.random.default_rng(1).normal(0, 0.1, 20)
print(len(sm.OLS(y, X).fit().bse) == 2)

notes

• Utiliser add_constant pour l’ordonnée à l’origine.