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：

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。