Python 绘制x与y Statsmodels混合模型结果

我想用X和Y来绘制我的Statsmodels混合模型结果，并想验证一下我是否正确理解了它。我很不确定应该如何处理固定参数（代码段中的其他固定影响），以及是否应该包括这些参数

固定参数：

Intercept            330.777402
Score                 39.101520
Group Var              8.264719
Group x Score Cov      0.248543
Score Var              0.007475
dtype: float64

我的代码：

#从拟合模型加载数据
参数=最终体积拟合参数
r_效应=最终体积拟合。随机效应
#无花果大小
图=plt.图（图尺寸=（16,9））
#固定效应
固定截距=参数[0]
固定分数=参数[1]
固定参数[2]
固定的\u grpxscore\u var=参数[3]
固定分数=参数[4]
#颜色计数器
ctr=0
#组代表不同的股票，j=（AAPL，…，VIAC）
对于r_效果中的组：
#随机效应、截距和斜率
组截距=r_效应[组][0]
组斜率=r_效应[组][1]
#随机和固定效果加在一起
#（固定截距+截距（j））
y组截距=固定组截距+组截距
#（固定坡度+坡度（j））
y组斜率=固定分数+组斜率
#该时间段的观察交易量
z=已更正数据已转换。loc[已更正数据已转换['Stock']==组]
库存日期=列表（z[“日期]）
库存量=列表（z[‘转换量’）
库存线=[]
#库存日期表示观察期间进行的时间段，i=（1，…，15）。
对于i库存\ U日期：
#回归线数据点
数据点=y组截距+y组斜率*i
#这些固定效应（其他固定效应）是否也应添加到数据点的估计中？
其他固定的影响=固定的grp变量*i+固定的grp分数*i+固定的grp分数*i
观察值=数据点+其他固定效应
#将估算添加到回归线
股票行追加（观察）
#Seaborn地块ax
ax=sns.lineplot（x=stock\u line，y=stock\u volume，
颜色=颜色[ctr]，标签=组）
#增加颜色计数器
ctr+=1
#绘图设置
ax.set（xlabel='Regressionline'，ylabel='Volume'）
ax.图例（bbox_至_锚=（0,1），loc=2，borderaxespad=0.1）
ax.figsize=（16,9）
ax.设置标题（'Y时间段内每个观测X相对于登记体积的回归线'，权重='bold'）。设置字体大小（'16'）
picture=plt.savefig（'yijplot2.png'，bbox_英寸='tight'）
plt.show（）

下面是我的情节：

---

名称以“Var”或“Cov”结尾的任何参数都描述方差结构，而不是均值结构。这些术语不应以您所做的方式添加到此类型的绘图中（它们已在随机效果的BLUP的内部计算中考虑）

最初我以为您计划根据x=分数绘制拟合的y。在这种情况下，绘图应包含每个股票的一条线，而不是非线性路径。您正在水平轴上绘制拟合值（这是不寻常的），我不清楚您在垂直轴上放置了什么