当谈到测量合身度时 - R-Squared似乎是一种普遍理解(并且被接受)的衡量标准"简单"线性模型。
但是在statsmodels
(以及其他统计软件)的情况下RLM不包括R平方和回归结果。
有没有办法让它得到计算"手动",或许与Stata中的方式类似?
或者是否可以根据sm.RLS
生成的结果使用/计算其他度量?
这是Statsmodels正在制作的内容:
import numpy as np
import statsmodels.api as sm
# Sample Data with outliers
nsample = 50
x = np.linspace(0, 20, nsample)
x = sm.add_constant(x)
sig = 0.3
beta = [5, 0.5]
y_true = np.dot(x, beta)
y = y_true + sig * 1. * np.random.normal(size=nsample)
y[[39,41,43,45,48]] -= 5 # add some outliers (10% of nsample)
# Regression with Robust Linear Model
res = sm.RLM(y, x).fit()
print(res.summary())
哪个输出:
Robust linear Model Regression Results
==============================================================================
Dep. Variable: y No. Observations: 50
Model: RLM Df Residuals: 48
Method: IRLS Df Model: 1
Norm: HuberT
Scale Est.: mad
Cov Type: H1
Date: Mo, 27 Jul 2015
Time: 10:00:00
No. Iterations: 17
==============================================================================
coef std err z P>|z| [95.0% Conf. Int.]
------------------------------------------------------------------------------
const 5.0254 0.091 55.017 0.000 4.846 5.204
x1 0.4845 0.008 61.555 0.000 0.469 0.500
==============================================================================
答案 0 :(得分:0)
由于OLS返回R2,所以我建议使用简单的线性回归将实际值与拟合值进行回归。无论拟合值来自何处,这种方法都会为您指示相应的R2。
答案 1 :(得分:0)
为什么不使用model.predict获得r2
?例如:
r2=1. - np.sum(np.abs(model.predict(X) - y) **2) / np.sum(np.abs(y - np.mean(y)) ** 2)