Matplotlibでstatsmodels線形回帰（OLS）をきれいにプロットする方法は？

統計モデルの線形回帰（OLS）は、非線形曲線で線形データを使用してプロットできます。

ステップ

• 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。

• 新しいものを作成するには、 seed（）を使用できます メソッド。

• サンプル変数とシグマ変数の数を初期化します。

• 線形データポイントx、X、 beta、t_trueを作成します 、yおよび res numpyを使用しています。

• 解像度 通常の最小二乗クラスのインスタンスです。

• 標準偏差を計算します。予測の信頼区間は、一般的なGLSではなく、WLSとOLSに適用されます。つまり、独立しているが同一に分散されていない観測値に適用されます。

• subplot（）を使用して、図とサブプロットのセットを作成します メソッド。

• plot（）を使用してすべての曲線をプロットします （x、y）、（x、y_true）、（x、res.fittedvalues）、（x、iv_u）を使用するメソッド および（x、iv_l） データポイント。

• 凡例をプロットに配置します。

• 図を表示するには、 show（）を使用します メソッド。

例

import numpy as np
from matplotlib import pyplot as plt
from statsmodels import api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
np.random.seed(9876789)
nsample = 50
sig = 0.5
x = np.linspace(0, 20, nsample)
X = np.column_stack((x, np.sin(x), (x - 5) ** 2, np.ones(nsample)))
beta = [0.5, 0.5, -0.02, 5.]
y_true = np.dot(X, beta)
y = y_true + sig * np.random.normal(size=nsample)
res = sm.OLS(y, X).fit()
prstd, iv_l, iv_u = wls_prediction_std(res)
fig, ax = plt.subplots()
ax.plot(x, y, 'o', label="data")
ax.plot(x, y_true, 'b-', label="True")
ax.plot(x, res.fittedvalues, 'r--.', label="OLS")
ax.plot(x, iv_u, 'r--')
ax.plot(x, iv_l, 'r--')
ax.legend(loc='best')
plt.show()

出力