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。