Python回归给出了两种不同的结果

因此，我有以下数据：

1995 0.379769 1996 0.384967 1997 0.344343 1998 0.384179 1999 0.282823 2000 0.337774 2001 0.298339 2002 0.351266 2003 0.338709 2004 0.390772 2005 0.410985 2006 0.378565 2007 0.383554 2008 0.387875 2009 0.471277 2010 0.407915 2011 0.400196 2012 0.458957 2013 0.478453 2014 0.564311 2015 0.459423 截距为-15.0747，系数为0.0077。然而，这让我很不舒服，尤其是当我把它与数据进行对比时

正如你所看到的，当我将最佳拟合线与数据/seaborn回归线进行对比时，我得到了一条看似平行但在视觉上低于所需位置的线

我用这个来生成那个图

ax = sns.regplot(x = "X", y = "y", data = test)
ax.plot([0, 2016], [-15.0747, 0.4485], c='r')
ax.set_xlim(1990,2016)
ax.set_ylim(0,1)

有人能告诉我这个错误发生在哪里，为什么会发生

编辑

---

所以我注意到我给Excel的数据子集是错误的，但这仍然不能改变这样一个事实，即当我从SMF绘制回归线时，它与seaborn的回归线不同，Excel是正确的。能否提供一个完整的、可运行的Python脚本，其中包含代码中的所有数据，并演示该问题？（例如，您的Python数据框架可能与您想象的不一样。）我们需要确切地了解statsmodel函数是如何工作的（我们可以查看源代码以了解这一点），我们还需要确切地了解excel回归函数是如何工作的（我们永远也不会知道）。也许excel的回归没有使用OLS方法？这是我从statsmodels得到的结果：

const-15.4762

，

x1 0.0079

很抱歉这是一个舍入错误，可能很接近，我觉得自己像个白痴。谢谢你的帮助help@qwertylpc继续回答你自己的问题，而不是关闭它，以防有一天其他人需要它

ax = sns.regplot(x = "X", y = "y", data = test)
ax.plot([0, 2016], [-15.0747, 0.4485], c='r')
ax.set_xlim(1990,2016)
ax.set_ylim(0,1)