import numpy as np
import pandas as  pd
import statsmodels.api as sm
import seaborn
import statsmodels.formula.api as smf 
import matplotlib.pyplot as plt

pd  .set_option('display.float_format', lambda x:'%.2f'%x)

# Đọc dữ liệu
data = pd.read_csv('ool.csv', low_memory=False)

# Chuyển sang dữ liệu số
data['W2_QG_2'] = pd.to_numeric(data['W2_QG_2'], errors='coerce')
data['W1_P17A'] = pd.to_numeric(data['W1_P17A'], errors='coerce')

# Tinh chỉnh câu hỏi nghiên cứu
sub1=data[(data['PPAGECT4'] >= 1) &(data['PPAGECT4'] <= 4) & (data['W2_QG_2']==1)]

# Mã hóa biến phân loại theo kiểu nhị phân cho biến PGENDER
recode1 = {1: 0, 2: 1}

# Đặt tên mới cho biến vừa mã hóa
sub1['SEX'] = sub1['PPGENDER'].map(recode1)
sub1['SEX'] = pd.to_numeric(sub1['SEX'], errors='coerce')

# Canh chuẩn biến PPHHSIZE
sub1['PPHHSIZE_C'] = (sub1['PPHHSIZE'] - sub1['PPHHSIZE'].mean())

# Canh chuẩn biến W1_P17A
sub1['W1_P17A_C'] = (sub1['W1_P17A'] - sub1['W1_P17A'].mean())

# Phân tích
print('Phân tích hồi quy với biến giải thích là phân loại và biến phản hồi là định lượng')
print('Thêm 1 biến ẩn định lượng vào')
reg1 = smf.ols('W1_N1J ~ SEX + W1_P17A_C + PPHHSIZE_C', data=sub1).fit()
print (reg1.summary())