python - 使用“statsmodels”指定将哪个类别视为基础

Question

了解当我将模型中的类别变量传递给 astatsmodels fit时，将自动为类别生成虚拟变量。例如，如果我有一个值为“IndianOcean”、“Thailand”、“China”和“Mars”的变量“Location”，我将在表单模型中获得变量

Location[T.Thailand]

其中一个值未表示。默认情况下，排除变量似乎是最不常见的变量。有没有办法指定（理想情况下在模型规范中）哪个值被视为“基础值”并被排除在外？

score 29 · Accepted Answer

您可以reference使用类似的语法将 arg 传递给处理对比

"y ~ C(Location, Treatment(reference='China'))"

如果您对命名约定有更好的建议，请向 patsy 提出问题。

score 2 · Accepted Answer

好的，也许有人会发现这个有用。我需要为因变量设置一个新的基线类别，我不知道该怎么做。我搜索并没有找到任何东西，所以我只是为其他类别添加了一个“_”。如果您有 3 个类别 A、B、C，并且您希望基线为 C，您只需将标签从 A 和 B 更改为 _A 和 _B。有用。我似乎基线类别是由 sorted()

也许有人知道正确的方法，这不是很植物，ja。

score 1 · Accepted Answer

如果你使用单引号来包裹你的字符串，那么引用的参数需要用双引号包裹起来。很容易犯错误。我在两者上都使用了单引号。

例如：

'y ~ C(Location, Treatment(reference="China"))'

是正确的。

'y ~ C(Location, Treatment(reference='China'))'

是不正确的。

3 回答 3