python中ks值计算,python拟合初始值

我正在运行如下的回归(df是一个pandas数据帧)：

import statsmodels.api as sm

est = sm.OLS(df['p'], df[['e', 'varA', 'meanM', 'varM', 'covAM']]).fit()

est.summary()

除其他外,这给了我一个0.9平方的R平方.那么我想绘制原始的y值和拟合值.为此,我对原始值进行了排序：

orig = df['p'].values

fitted = est.fittedvalues.values

args = np.argsort(orig)

import matplotlib.pyplot as plt

plt.plot(orig[args], 'bo')

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

plt.show()

然而,这给了我一个图表,其中值完全关闭.没有任何迹象表明R平方为0.9.因此,我试图自己手动计算：

yBar = df['p'].mean()

SSTot = df['p'].apply(lambda x: (x-yBar)**2).sum()

SSReg = ((est.fittedvalues - yBar)**2).sum()

1 - SSReg/SSTot

Out[79]: 0.2618159806908984

难道我做错了什么？或者,为什么我的计算与statsmodels得到的结果相差甚远？ SSTot,SSReg的值为48084,35495.