統計モデルによる線形回帰の見直しOLS fitフィッティングする前に、独立変数のすべてのポイントに定数 '1'を追加するためにadd_constantを使用する必要があります。しかし、この文脈における傍受の私の唯一の理解は、私たちのxが0に等しいときの私たちの行のyの値になるでしょう。この定数は、実際にOLSのフィット感を伝えるものですか？statsmodels add_constant for OLS interceptこれは実際に何をしていますか？
値に定数を追加しないで、適合する線形方程式に定数項を追加します。単一予測変数の場合は、y = mx + bのフィッティングとデータの一致に違いがあります。y = mx
statsmodelのsm.add_constantは、LinearRegression（）のsklearnのfit_interceptパラメータと同じです。 sm.add_constantを実行しない場合、またはLinearRegression（fit_intercept = False）の場合、statsmodelsとsklearnの両方のアルゴリズムでは、y = mx + bでb = 0と仮定し、計算する代わりにb = 0を使用してモデルに適合しますあなたのデータに基づいていると思われるものは何ですか？
だから、すべて定数がそこにあることを示すのは、方程式に「a」が「b」であることですか？ –
@TimLindsey：本質的にはい。それはモデルに 'b'の値とあなたのプレディクタの係数を合わせるように指示します。私は実際になぜ統計モデルが明示的にこれを追加する必要があるのか理解できませんでした。なぜなら、[ここ]（http://stats.stackexchange.com/questions/7948/when-is-it-ok-to-remove-the-線形回帰モデルのインターセプト）では、そうしないと正当な理由がない限り、ほとんどの場合そうしたいと考えています。 – BrenBarn