一次对多个因变量使用pandas.ols

Question

我想知道是否可以将pandas.ols模型应用于一次针对一个自变量的多个响应变量的数据框架。

因此，假设我有以下内容：

In [109]: y=pandas.DataFrame(np.random.randn(10,4))
In [110]: x=pandas.DataFrame(np.random.randn(10,1))

我想做这样的事情：

In [111]: model=pandas.ols(y=y, x=x)

基本上使用四个模型输出的结果，或者至少访问四个模型的系数。如果可能的话，我倾向于避免遍历响应变量。

Answer 1

我想这个应该可以了。

#First generate the data
x=pd.DataFrame(np.random.randn(10,1))
y=pd.DataFrame(np.random.randn(10,4))

#Since we are doing things manually we'll need to add the constant term to the x matrix
x[1] = ones(10)

#This matrix precomputes (X'X)^-1X which we will premultiply the y matrix by to get results
tmpmat =  np.dot(np.linalg.pinv(np.dot(x.T ,x)),x.T)

#Solve for the betas
betamatrix = np.dot(tmpmat,y)

#Compare with the pandas output one at a time.
model=pd.ols(y=y[0], x=x, intercept=False)
model=pd.ols(y=y[1], x=x, intercept=False)

Answer 2

我已经做过很多次了，还没有找到循环的替代方法。下面的代码将把四个回归的结果存储在一个字典中。如果您只对部分系数感兴趣，则可以在循环遍历回归时捕获它们。

model = {}
for i in y:
    model[i] = pd.ols(y=y[i], x=x)