Python 来自Statsmodels VAR的R2

有没有一种简单的方法可以从Statsmodels的VAR包中提取R2

以下是statsmodels文档中的示例：

然后显示每个方程的系数，最后显示残差的相关矩阵。然而，它并没有显示每个方程的R平方

---

有人知道是否有一种简单的方法可以从statsmodels VAR中提取R平方，而不必从头开始计算吗？

使用sklearn.metrics.r2_分数对每个方程都有效（不幸的是，超出了statsmodels）。示例代码假设在dataframe

data

中有一列名为

'foobar'

，这就是我们提取的方程式R2；显然，

VAR（）

和

fit（）

方法应该适合您的特定情况

import statsmodels.api as sm
import sklearn.metrics as skm
estVAR = sm.tsa.VAR(data).fit(1)
skm.r2_score(estVAR.fittedvalues['foobar']+estVAR.resid['foobar'],
  estVAR.fittedvalues['foobar'])

将拟合值添加到残差中的原因是为了获取实际数据，VAR可以为这些数据构建拟合值（而不是整个样本，由于右侧需要滞后观测，一些观测没有构建拟合值）。顺便说一句，我们可以通过这样做来确认这是我们想要的R2

y = estVAR.fittedvalues['foobar']+estVAR.resid['foobar']
R2 = 1 - np.sum(estVAR.resid['foobar'].values**2)/np.sum((y.values-y.mean())**2)

---

非常感谢sjp。我最终做了你在第二段代码中做的事情。

y = estVAR.fittedvalues['foobar']+estVAR.resid['foobar']
R2 = 1 - np.sum(estVAR.resid['foobar'].values**2)/np.sum((y.values-y.mean())**2)