OLS Regression Results Dep. Variable: count R-squared: 0.156 Model: OLS Adj. R-squared: 0.156 Method: Least Squares F-statistic: 2006. Date: Sat, 03 Jun 2023 Prob (F-statistic): 0.00 Time: 13:53:24 Log-Likelihood: -71125. No. Observations: 10886 AIC: 1.423e+05 Df Residuals: 10884 BIC: 1.423e+05 Df Model: 1 Covariance Type: nonrobust coef std err t P>|t| [0.025 0.975] const 6.0462 4.439 1.362 0.173 -2.656 14.748 temp 9.1705 0.205 44.783 0.000 8.769 9.572 Omnibus: 1871.687 Durbin-Watson: 0.369 Prob(Omnibus): 0.000 Jarque-Bera (JB): 3221.966 Skew: 1.123 Prob(JB): 0.00 Kurtosis: 4.434 Cond. No. 60.4请告诉我这个列表对模型的总体详细解释
时间: 2024-02-10 21:08:53 浏览: 124
GeoDaCenter.github.io:GeoDa源代码-git source code
这个列表为一元线性回归模型的回归结果。其中,Dep. Variable表示因变量为count,R-squared为R平方值,表示模型可以解释因变量变异性的百分比,本模型的R平方值为0.156,说明模型可以解释15.6%的count变异性。Adj. R-squared为调整后的R平方值,考虑了模型自由度和样本量的影响,本模型的Adj. R平方值为0.156,与R平方值相同。Method为最小二乘法,F-statistic表示F值,用于检验模型的整体显著性,P值为0.00,表示模型整体显著。Log-Likelihood为对数似然值,AIC为赤池信息准则,BIC为贝叶斯信息准则,用于模型比较,Df Residuals为残差自由度,Df Model为模型自由度,Covariance Type为协方差类型,本模型为非鲁棒性回归模型。coef为系数,std err为标准误差,t为t值,P>|t|为P值,[0.025 0.975]为置信区间,const为常数项,temp为自变量。通过该回归结果,可以得到count与temp之间存在显著正相关关系,每增加1个单位的temp,count平均增加9.1705个单位。
阅读全文