¿Cómo mostrar regresiones como tabla en Python (similar a outreg en stata)?

Question

¿Alguien sabe de alguna manera de obtener salidas de regresión múltiple (no regresión multivariante, literalmente múltiples regresiones) en una tabla que indique qué diferentes variables independientes se utilizaron y cuáles fueron los coeficientes / errores estándar, etc.?

Básicamente, estoy buscando algo como outreg, excepto para python y statsmodels. Esto parece prometedor pero no entiendo cómo funciona:

http://statsmodels.sourceforge.net/stable/generated/statsmodels.iolib.summary.Summary.html#statsmodels.iolib.summary.Summary

Para ser completamente claro aquí, me pregunto cómo hacer tablas similares al ejemplo a continuación:

Answer 1

Puedes usar código como el siguiente (haciendo uso de la función as_latex) para generar un resultado de regresión a un archivo tex pero no los apila ordenadamente en forma tabular como lo hace outreg2:

import pandas as pd
import statsmodels.formula.api as smf
x = [1, 3, 5, 6, 8, 3, 4, 5, 1, 3, 5, 6, 8, 3, 4, 5, 0, 1, 0, 1, 1, 4, 5, 7]
y = [0, 1, 0, 1, 1, 4, 5, 7,0, 1, 0, 1, 1, 4, 5, 7,0, 1, 0, 1, 1, 4, 5, 7]
d = { "x": pd.Series(x), "y": pd.Series(y)}
df = pd.DataFrame(d)
mod = smf.ols('y ~ x', data=df)
res = mod.fit()
print(res.summary())

beginningtex = """\\documentclass{report}
\\usepackage{booktabs}
\\begin{document}"""
endtex = "\end{document}"

f = open('myreg.tex', 'w')
f.write(beginningtex)
f.write(res.summary().as_latex())
f.write(endtex)
f.close()

La función as_latex genera una tabla de latex válida pero no un documento de latex válido, así que agregué algo de código adicional arriba para que compile. El resultado es algo así para la función de imprimir:

                        OLS Resultados de Regresión                            
==============================================================================
Variable Dependiente:                   y   R-cuadrado:                       0.129
Modelo:                            OLS   R-Cuadrado Ajustado:                  0.089
Método:                 Mínimos Cuadrados   Estadística F:                     3.257
Fecha:                Viernes, 29 Abr 2016   Prob (Estadística F):             0.0848
Hora:                        20:12:12   Log-Likelihood:                -53.868
No. Observaciones:                  24   AIC:                             111.7
Gra Residuales:                      22   BIC:                             114.1
Gra Modelo:                           1                                         
Tipo de Covarianza:            no robusta                                         
==============================================================================
                 coef    std err          t      P>|t|      [95.0% Conf. Int.]
------------------------------------------------------------------------------
Intercepto      0.9909      0.908      1.091      0.287        -0.893     2.875
x              0.3732      0.207      1.805      0.085        -0.056     0.802
==============================================================================
Omnibus:                        3.957   Durbin-Watson:                   0.999
Prob(Omnibus):                  0.138   Jarque-Bera (JB):                1.902
Asim:                           0.380   Prob(JB):                        0.386
Curtosis:                       1.849   Cond. No.                         8.50
==============================================================================

Advertencias:
[1] Los Errores Estándar asumen que la matriz de covarianza de los errores está especificada correctamente.

y así para el latex:

Actualización: No tan completo como outreg, pero la función summary_col hace lo que solicitas.

import pandas as pd
import statsmodels.formula.api as smf
from statsmodels.iolib.summary2 import summary_col
x = [1, 3, 5, 6, 8, 3, 4, 5, 1, 3, 5, 6, 8, 3, 4, 5, 0, 1, 0, 1, 1, 4, 5, 7]
y = [0, 1, 0, 1, 1, 4, 5, 7,0, 1, 0, 1, 1, 4, 5, 7,0, 1, 0, 1, 1, 4, 5, 7]
d = { "x": pd.Series(x), "y": pd.Series(y)}
df = pd.DataFrame(d)
df['xsqr'] = df['x']**2  
mod = smf.ols('y ~ x', data=df)
res = mod.fit()
print(res.summary())
df['xcube'] = df['x']**3  

mod2= smf.ols('y ~ x + xsqr', data=df)
res2 = mod2.fit()
print(res2.summary())

mod3= smf.ols('y ~ x + xsqr + xcube', data=df)
res3 = mod3.fit()
print(res2.summary())

dfoutput = summary_col([res,res2,res3],stars=True)
print(dfoutput)

Lo cual tiene la siguiente salida:

=====================================
            y I       y II    y III  
-------------------------------------
Intercepto 0.9909   -0.6576   -0.2904 
          (0.9083) (1.0816)  (1.3643)
x         0.3732*  1.7776*** 1.0700  
          (0.2068) (0.6236)  (1.6736)
xcube                        -0.0184 
                             (0.0402)
xsqr               -0.1845** 0.0409  
                   (0.0781)  (0.4995)
=====================================
Errores estándar entre paréntesis.
* p<.1, ** p<.05, ***p<.01

Como antes, puedes usar dfoutput.as_latex() para exportar esto a latex.

Answer 2

Puedes usar el paquete stargazer (instalar con pip install stargazer).

Desde https://github.com/mwburke/stargazer/blob/master/examples.ipynb:

import pandas as pd
from sklearn import datasets
import statsmodels.api as sm
from stargazer.stargazer import Stargazer
from IPython.core.display import HTML

diabetes = datasets.load_diabetes()
df = pd.DataFrame(diabetes.data)
df.columns = ['Edad', 'Sexo', 'IMC', 'PAB', 'S1', 'S2', 'S3', 'S4', 'S5', 'S6']
df['objetivo'] = diabetes.target

est = sm.OLS(endog=df['objetivo'], exog=sm.add_constant(df[df.columns[0:4]])).fit()
est2 = sm.OLS(endog=df['objetivo'], exog=sm.add_constant(df[df.columns[0:6]])).fit()

stargazer = Stargazer([est, est2])

HTML(stargazer.render_html())

Para compilarlo en LaTeX en lugar de HTML, puedes usar: stargazer.render_latex()

Answer 3

Ahora hay una versión en Python del conocido paquete R stargazer, que hace exactamente esto.

Ver también esta pregunta relacionada: https://stackoverflow.com/q/35051673/2858145