多変量線形回帰の係数を計算する

Question

多変量線形回帰を使用して係数を計算しようとしています。私は係数を計算するためにstatsmodelsライブラリを使用しています。問題は、このコードではエラーValueError: endog and exog matrices are different sizesが得られることです。この例では、yセットには4つの要素があり、Xセットには7つのndarraysのリストがあり、各リストには5つの要素があるため、このエラーが発生します。

しかし、xセット（Xではない）は、4つのリスト（yの4つの要素）を持つリストです。各リストは7つの変数で構成されています。私にとっては、xとyは同じ数の要素を持っています。

このエラーを修正するにはどうすればよいですか？ xに各リストを想定し

import numpy as np 
import statsmodels.api as sm 

def test_linear_regression(): 
    x = [[0.0, 1102249463.0, 44055788.0, 9.0, 2.0, 32000.0, 49222464.0], [0.0, 1102259506.0, 44049537.0, 9.0, 2.0, 32000.0, 49222464.0], [0.0, 1102249463.0, 44055788.0, 9.0, 2.0, 32000.0, 49222464.0], [0.0, 1102259506.0, 44049537.0, 10.0, 2.0, 32000.0, 49222464.0]] 

    y = [71.7554421425, 37.5205008984, 44.9945571423, 53.5441429615] 
    reg_m(y, x) 

def reg_m(y, x): 
    ones = np.ones(len(x[0])) 
    X = sm.add_constant(np.column_stack((x[0], ones))) 
    y.append(1) 
    for ele in x[1:]: 
     X = sm.add_constant(np.column_stack((ele, X))) 
    results = sm.OLS(y, X).fit() 
    return results 


if __name__ == "__main__": 
    test_linear_regression() 

Answer 1

はyの各値に対応：

x = [[0.0, 1102249463.0, 44055788.0, 9.0, 2.0, 32000.0, 49222464.0], 
    [0.0, 1102259506.0, 44049537.0, 9.0, 2.0, 32000.0, 49222464.0], 
    [0.0, 1102249463.0, 44055788.0, 9.0, 2.0, 32000.0, 49222464.0], 
    [0.0, 1102259506.0, 44049537.0, 10.0, 2.0, 32000.0, 49222464.0] 
    ] 

y = [71.7554421425, 37.5205008984, 44.9945571423, 53.5441429615] 

def reg_m(x, y): 
    x = np.array(x) 
    y = np.array(y) 

    # adds a constant of ones for y intercept 
    X = np.insert(x, 0, np.ones((1,)), axis=1) 

    # or, if you REALLY want to use add_constant, to add ones, use this 
    # X = sm.add_constant(x, has_constant='add') 

    return sm.OLS(y, X).fit() 

model = reg_m(x, y) 

モデルの概要プリントアウトを表示するには、ちょうどmodel.summary()

""" 
          OLS Regression Results        
============================================================================== 
Dep. Variable:      y R-squared:      0.450 
Model:       OLS Adj. R-squared:     -0.649 
Method:     Least Squares F-statistic:     0.4096 
Date:    Thu, 07 Jul 2016 Prob (F-statistic):    0.741 
Time:      21:50:12 Log-Likelihood:    -14.665 
No. Observations:     4 AIC:        35.33 
Df Residuals:      1 BIC:        33.49 
Df Model:       2           
Covariance Type:   nonrobust           
============================================================================== 
       coef std err   t  P>|t|  [95.0% Conf. Int.] 
------------------------------------------------------------------------------ 
const  -1.306e-07 2.18e-07  -0.599  0.657  -2.9e-06 2.64e-06 
x1   -3.086e-11 5.15e-11  -0.599  0.657  -6.86e-10 6.24e-10 
x2   -0.0001  0.000  -0.900  0.534  -0.002  0.002 
x3    0.0031  0.003  0.900  0.534  -0.041  0.047 
x4   16.0236  26.761  0.599  0.657  -324.006 356.053 
x5   8.321e-12 9.25e-12  0.900  0.534  -1.09e-10 1.26e-10 
x6   1.331e-07 1.48e-07  0.900  0.534  -1.75e-06 2.01e-06 
x7    0.0002  0.000  0.900  0.534  -0.003  0.003 
============================================================================== 
Omnibus:       nan Durbin-Watson:     1.500 
Prob(Omnibus):     nan Jarque-Bera (JB):    0.167 
Skew:       -0.000 Prob(JB):      0.920 
Kurtosis:      2.000 Cond. No.       inf 
============================================================================== 

Warnings: 
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified. 
[2] The input rank is higher than the number of observations. 
[3] The smallest eigenvalue is  0. This might indicate that there are 
strong multicollinearity problems or that the design matrix is singular. 
"""