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['W2_WEIGHT1'] = pd.to_numeric(data['W2_WEIGHT1'], errors='coerce')
data['W2_DURATION'] = pd.to_numeric(data['W2_DURATION'], errors='coerce')

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

sub2 = data[['W2_WEIGHT1', 'W1_D1', 'W2_DURATION']].dropna()


scat1 = seaborn.regplot(x="W1_D1", y="W2_WEIGHT1", scatter=True, data=sub1)
scat1 = seaborn.regplot(x="W1_D1", y="W2_WEIGHT1", scatter=True, order=2, data=sub1)

# Đồ thị
plt.title('Đồ thị biểu diễn mô hình hồi quy đa thức')
plt.xlabel('Tỷ lệ đánh giá tổng thống Barack Obama')
plt.ylabel('Tổng số người trả lời sau khi phân tầng')
plt.show()

# Mô hình hồi quy đa thức
print('Mô hình hồi quy đa thức với 2 biến')
reg1 = smf.ols('W2_WEIGHT1 ~ W1_D1 + I(W1_D1**2) + W2_DURATION', data=sub1).fit()
print (reg1.summary())