Python:如何评估StatsModels中的残差?
我想评估残差:(y-hat y) 我知道怎么做:Python:如何评估StatsModels中的残差?,python,pandas,statsmodels,patsy,Python,Pandas,Statsmodels,Patsy,我想评估残差:(y-hat y) 我知道怎么做: df = pd.read_csv('myFile', delim_whitespace = True, header = None) df.columns = ['column1', 'column2'] y, X = ps.dmatrices('column1 ~ column2',data = df, return_type = 'dataframe') model = sm.OLS(y,X) results = model.fit() pr
df = pd.read_csv('myFile', delim_whitespace = True, header = None)
df.columns = ['column1', 'column2']
y, X = ps.dmatrices('column1 ~ column2',data = df, return_type = 'dataframe')
model = sm.OLS(y,X)
results = model.fit()
predictedValues = results.predict()
#print predictedValues
yData = df.as_matrix(columns = ['column1'])
res = yData - predictedValues
我想知道是否有这样一种方法(?)存储在
同样,还有一个
results.fittedvalues
方法,因此您不需要results.predict()
残差的正态性
选项1:Jarque Bera测试
name = ['Jarque-Bera', 'Chi^2 two-tail prob.', 'Skew', 'Kurtosis']
test = sms.jarque_bera(results.resid)
lzip(name, test)
name = ['Chi^2', 'Two-tail probability']
test = sms.omni_normtest(results.resid)
lzip(name, test)
输出:
选项2:全方位测试
name = ['Jarque-Bera', 'Chi^2 two-tail prob.', 'Skew', 'Kurtosis']
test = sms.jarque_bera(results.resid)
lzip(name, test)
name = ['Chi^2', 'Two-tail probability']
test = sms.omni_normtest(results.resid)
lzip(name, test)
输出:
如果您正在查找各种(缩放)残差,例如外部/内部学生化残差、按残差和其他,请查看
statsmodels
中的类
使用fit的结果(对象),您可以实例化一个将为您计算所有这些属性的olsineffence
对象。下面是一个简短的例子:
将statsmodels.api导入为sm
从statsmodels.stats.outliers\u影响导入OLS影响
data=sm.datasets.spector.load(as\u=False)
X=data.exog
y=data.endog
#符合模型
model=sm.OLS(y,sm.add_常数(X,prepend=False))
fit=model.fit()
#计算残差和其他指标
影响=嗅觉影响(拟合)
这(目前)不适用于该类。