Python 基于统计模型的OLS多元回归

我查过与我类似的问题，但找不到答案

我的目标：我有生存数据。我想要在考虑了年龄和体重后，生存数据的残差

方法：

import statsmodels
from statsmodels import ols
species = ["sample1","sample2","sample3","sample4","sample5"]
Survival = [0.1,0.2,0.3,0.4,0.5]
Age = [1,2,3,4,5]
Weight = [1,3,5.5,7,10]
mymodel = ols.ols(Mortality,[Weight,Age],"Mortality",["Weight","Age"])
print mymodel

输出： 我的理想输出是一个有两列的表格，一列是物种，另一列是我考虑年龄和体重后的死亡率剩余值

问题: 1.无论我做什么，我都找不到ols方法。我已经安装了statsmodel。当我打开python控制台并执行dir（statsmodels）时，我会得到以下选项：

['CacheWriteWarning', 'ConvergenceWarning', 'InvalidTestWarning', 'IterationLimitWarning', 'NoseWrapper', 'Tester', '__builtins__', '__doc__', '__docformat__', '__file__', '__name__', '__package__', '__path__', '__version__', 'compat', 'datasets', 'distributions', 'errstate', 'print_function', 'simplefilter', 'test', 'tools', 'version']

ols方法在哪里

希望一旦我真的找到了这个方法，我就能运行代码并询问在哪里可以找到我正在寻找的残差

---

谢谢

谢谢你，这很有效

以下是我使用的代码：

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

dat = np.loadtxt(sys.argv[1],dtype={"names":("Species","Weight","Mortality","Age"),"formats":("S20","f4","f4","f4")})
mymodel = smf.ols("Mortality~Weight+Age",data=dat).fit()
Residues = list(mymodel.resid_pearson)
for each_species,each_residue in zip(list(dat["Species"]),Residues):
    print each_species + "\t" + str(each_residue)

---

因此，我认为/希望这里发生的是，我正在阅读表格，对数据进行多元回归，并打印物种名称和每个物种的残差（残差是死亡率与体重和年龄的回归）。谢谢。

尝试将statsmodels.api导入为sm和

sm.OLS（y，X）.fit（）

。它有效吗？

resids\u pearson

是方差标准化的残差。如果需要普通残差，那么正确的属性是

resid

。