statsmodels.graphics.regressionplots.plot_partregress_grid¶

statsmodels.graphics.regressionplots.plot_partregress_grid(results, exog_idx=None, grid=None, fig=None)[source]¶

绘制一组回归量的偏回归图。

Parameters:¶

resultsResults instance

回归模型结果实例。

exog_idx{None, list[int], list[str]}

用于绘图的 exog 的索引或列名称，默认是所有。

grid{None, tuple[int]}

如果给定了网格，则用于子图的排列。网格的格式为 (nrows, ncols)。如果网格为 None，则当只有 2 个子图时，列数为 1，否则列数为 2。

figFigure, optional

如果给出，则直接返回此图形。否则，将创建一个新的图形。

Returns:¶

Figure

如果 fig 为 None，则创建图形。否则为 fig 本身。

另请参阅

plot_partregress

绘制单个回归量的部分回归图。

plot_ccpr

绘制CCPR与一个回归变量的关系图

注释

为每个由 exog_idx 给出的解释变量创建一个子图。 偏回归图显示了在去除 exog 中所有其他解释变量的影响后，响应变量与给定解释变量之间的关系。

参考文献

参见 http://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/partregr.htm

示例

使用状态犯罪数据集，分别绘制每个变量对结果（谋杀率）的影响，同时考虑模型中所有其他变量的影响，并通过部分回归图的网格进行可视化。

>>> from statsmodels.graphics.regressionplots import plot_partregress_grid
>>> import statsmodels.api as sm
>>> import matplotlib.pyplot as plt
>>> import statsmodels.formula.api as smf

>>> fig = plt.figure(figsize=(8, 6))
>>> crime_data = sm.datasets.statecrime.load_pandas()
>>> results = smf.ols('murder ~ hs_grad + urban + poverty + single',
...                   data=crime_data.data).fit()
>>> plot_partregress_grid(results, fig=fig)
>>> plt.show()

(源代码, png, 高分辨率png, pdf)