import wooldridge as wooimport numpy as npimport statsmodels.api as smimport statsmodels.formula.api as smfhprice1 = woo.dataWoo('hprice1')# two alternative models:reg1 = smf.ols(formula='price ~ lotsize + sqrft + bdrms', data=hprice1)results1 = reg1.fit()reg2 = smf.ols(formula='price ~ np.log(lotsize) +''np.log(sqrft) + bdrms', data=hprice1)results2 = reg2.fit()# encompassing test of Davidson & MacKinnon:# comprehensive model:reg3 = smf.ols(formula='price ~ lotsize + sqrft + bdrms + ''np.log(lotsize) + np.log(sqrft)', data=hprice1)results3 = reg3.fit()# model 1 vs. comprehensive model:anovaResults1 = sm.stats.anova_lm(results1, results3)print(f'anovaResults1: \n{anovaResults1}\n')# model 2 vs. comprehensive model:anovaResults2 = sm.stats.anova_lm(results2, results3)print(f'anovaResults2: \n{anovaResults2}\n')
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。