python - 即使我设置了 fit_intercept= False，为什么我的回归模型仍返回截距？

Question

基本上，我尝试基于没有截距的数据帧运行回归，因此我将拟合截距设置为 false，但以下代码生成包含截距的参数。有人知道为什么会出现这种情况吗？

model2 = smf.ols('Y ~ X', data=df_final)
result2 = model2.fit(cov_type = 'HAC', cov_kwds = {'maxlags':5}, fit_intercept= False)
result2.params

Intercept    0.032649
X            0.014521
dtype: float64

Answer 1

使用公式运行 OLS 模型时，默认情况下会添加截距。省略截距项的一种方法是在公式中添加 -1:

import pandas as pd
import numpy as np
import statsmodels.formula.api as smf

df = pd.DataFrame({'X': np.random.randint(0, 100, size=20),
                   'Y': np.random.randint(0, 100, size=20)})

model = smf.ols('Y ~ X - 1', data=df)
result = model.fit()

拟合模型现在仅包含一个参数(对于 X):

X    0.691876
dtype: float64

如果您不使用公式 API，则 OLS 模型不包含截距，因此您无需担心它(在这种情况下，您需要将其显式添加到数据中)

我不确定您从哪里获得 fit_intercept 参数，因为我在 statsmodels documentation 中找不到任何对它的引用。或source code 。也许您正在考虑使用 scikit-learn 进行线性回归，它确实使用一个参数来控制拦截