
153
153
11.2 重回帰
推定パラメータ値は、
LeastSquares
と同じく、
6.83
と
0.0175
とです。
pvalues
は、変数名をその
p
値に対応付けるシーケンスなので、推定した傾きが統
計的に有意かどうか調べることができます。
slope_pvalue = results.pvalues['agepreg']
agepreg
の
p
値は
5.7e-11
で、予期していたとおり、
0.001
よりも小さな値です。
results.rsquared
は、
R
2
を表しており、その値は
0.0047
です。
results
には、
f_
pvalue
もあって、これは、モデル全体の
p
値を与えます。すなわち、
R
2
が統計的に
有意かどうか検定するのと同じことです。
さらに、
results
には、残差のシーケンス
resid
と、
agepreg
に対応する適合値のシー
ケンス
fittedvalues
があります。
オブジェクト
results
には、読みやすい形式で結果を表す
summary()
というメソッ
ドもあります。
print(results.summary())
ただし、これは、(まだ)無関係な情報もたくさん出力するので、私は、
SummarizeResult
というもっと単純なメソッドを使います。このモデルの結果は次の
ようになります。
Intercept 6.83 (0)
agepreg 0.0175 (5.72e-11)
R^2 0.004738
Std(ys) 1.408
Std(res) 1.405
Std(ys)
は従属変数の標準偏差で、説明変数を使わずに出生時体重を推定する場合 ...