python ks计算,

　　我正在运行以下回归(df是熊猫的数据框架):

　　将statsmodels.api作为sm导入

　　est=sm。OLS(df[p]，df[[e ， varA ， meanM ， varM ， covAM]])。适合()

　　est.summary()

　　除此之外，这给了我一个0.9平方的R平方。然后我要画原始Y值和拟合值。为此，我对原始值进行了排序：

　　orig=df[p]。价值观念

　　拟合=估计拟合值。值

　　args=np.argsort(orig)

　　将matplotlib.pyplot作为plt导入

　　plt.plot(orig[args]， bo )

　　PLT . plot(orig[args]-resid[args]， ro )

　　plt.show()

　　然而，这给了我一个图表，其中的值完全关闭。没有迹象表明R的平方是0.9。因此，我尝试自己手动计算：

　　yBar=df[p]。平均值()

　　SSTot=df[p]。应用(x:(x-yBar)* * 2)。总和()

　　SSReg=((est . fitted values-yBar)* * 2)。总和()

　　1 - SSReg/SSTot

　　输出[79]:0 . 58687 . 68888888861

　　我做错什么了吗？或者说，为什么我的计算和statsmodels得到的结果相差甚远？SSTot、SSReg的值分别为48084和35495。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。