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.