Python 线性回归残差-我是否应该“；“标准化”；结果以及如何做到这一点

我是生物学家。我想复制我在一篇论文中读到的一种方法：“为了允许独立于体重调查与死亡率的关联，死亡率的残差是通过从观察值中减去预测值来计算的”

我有一组死亡率（范围从0.1到0.5），一组体重（范围从2到80），我想在考虑体重后计算死亡率的残差

我写了这段代码：

import scipy
from scipy import stats
import sys


# This reads in the weight and mortality data to two lists. 
Weight = []
Mortality = []
for line in open(sys.argv[1]):
        line = line.strip().split()
        Weight.append(float(line[-2]))
        Mortality.append(float(line[-1]))

# This calculates the regression equation.
slope, intercept, r_value, p_value, std_err = scipy.stats.linregress(Mortality,Weight)

# This calculates the predicted value for each observed value
obs_values = Mortality
pred_values = []
for i in obs_values:
    pred_i = float(i) * float(slope) + float(intercept)
    pred_values.append(pred_i)

# This prints the residual for each pair of observations
for obs_v,pred_v in zip(obs_values,pred_values):
    Residual = str(obs_v - pred_v)
    print Residual

我的问题是，当我运行这段代码时，我的一些残差看起来相当大：

我想知道，这些结果看起来是否“正常”/它们是否应该以某种方式“标准化”/在考虑体重后，我是否做了一些错误的事情来获得死亡率的残差

如果可能的话，我会很感激简单的“简单的英语”答案和可能的代码片段，因为我不是一个统计专家

---

非常感谢

查看文档：第一个参数是

x

，横坐标，第二个参数是

y

，您观察到的值。因此，如果观察值为

obs_values=死亡率

，则必须排列线性回归的两个参数，并根据

权重

作为

x

（而不是

死亡率

作为

y

）计算预测值：

另外，通过使用numpy，您可以大幅减少（并加速）代码（scipy仍然使用它）

---

我知道我不打算在这里提出后续问题，如果有人能告诉我如何在不点击“回答问题”的情况下继续讨论我的原始问题（带代码，不带字符计数），我将很高兴将此文本移至该部分；我道歉

我的最后一个问题是如何“允许独立于体重调查与死亡率的关系”。我的下一个问题只是出于好奇，如果我们要对此进行扩展，比如说如果我想独立于体重和身高来研究死亡率

我已经编写了这段代码，对于我的数据，这些残差加起来等于0，但我只是想和专家们核实一下，这是我今后参考的方法：

import numpy as np
import statsmodels.formula.api as smf
import sys

dat = np.loadtxt(sys.argv[1],dtype={"names":("SpeciesName","Mortality","Height","Weight"),"formats":("S40","f4","f4","f4")})
mymodel = smf.ols("Mortality~Height+Weight",data=dat).fit()
Residues = list(mymodel.resid_pearson)
SpeciesList = list(dat["SpeciesName"])
for species,residue in zip(SpeciesList,Residues):
    print species + "\t" + str(residue)

---

再次道歉，如果我写错了这一节；我不觉得这是一个新问题，作为评论，我不能添加代码；如果这更合适的话，我很乐意把这个问题变成一个新问题。

首先，我们需要找到你想要达到的目标的正确公式。然后我们可以纠正你的代码残差应该和0，你的数字似乎不这样做。另一方面，您的给定输出似乎与代码断开，因为您的代码中没有任何内容在您的模型中打印单词“Sample”

detairity

是独立变量，

Weight

是因变量。我认为如果你不认为一个人的死亡概率/可能性会影响他们的体重，那应该是另一种情况。谢谢@约翰科勒曼关于残差应该加在0上的提示非常好，谢谢；使用下面的代码，我手动添加了单词“sample”，只是为了解释我的答案是什么；我现在明白了，这可能令人困惑，我不会再这样做了；将只打印准确的输出。非常感谢大家。我认为您也应该更改for循环

pred_i=float（i）*float（slope）+float（intercept）

仍然是错误的，因为

i

迭代的是

死亡率

，而不是

重量

。是的，我在回答后也看到了它。我已经编辑过了。谢谢你，现在残差加起来是0，数字看起来并没有那么高。我一定会更多地关注numpy；我可以看出它在这里是多么有用。我可以问一下，我只是说标准化将涉及剩余平均值/SE。我知道我现在已经计算了残差，我不认为我已经将它们标准化了。我理解这意味着，对于每个剩余；减去平均值，然后除以标准误差。我能看到标准错误；我不确定我应该使用哪种方法，我假设obs_值列表的平均值？那么，对于每个残差，减去obs_值列表的平均值，然后除以标准误差？

# This calculates the regression equation.
slope, intercept, r_value, p_value, std_err = scipy.stats.linregress(x=Weight, y=Mortality)

# This calculates the predicted value for each observed value
obs_values = Mortality
pred_values = []
for i in Weight:
    pred_i = float(i) * float(slope) + float(intercept)
    pred_values.append(pred_i)

import numpy as np
from scipy import stats
import sys

# This reads in the weight and mortality data to two arrays.
arr = np.loadtxt(sys.argv[1])
Weight = arr[:,-2]
Mortality = arr[:,-1]

# This calculates the regression equation.
slope, intercept, r_value, p_value, std_err = stats.linregress(x=Weight,y=Mortality)

# This calculates the predicted value for each observed value
obs_values = Mortality
pred_values = slope * Weight + intercept

# This prints the residual for each pair of observations
Residual = obs_values - pred_values
print(Residuals)

import numpy as np
import statsmodels.formula.api as smf
import sys

dat = np.loadtxt(sys.argv[1],dtype={"names":("SpeciesName","Mortality","Height","Weight"),"formats":("S40","f4","f4","f4")})
mymodel = smf.ols("Mortality~Height+Weight",data=dat).fit()
Residues = list(mymodel.resid_pearson)
SpeciesList = list(dat["SpeciesName"])
for species,residue in zip(SpeciesList,Residues):
    print species + "\t" + str(residue)