如何使用 statsmodels 线性模型 OLS 找到我的预测变量的平方和？
How do I find the sum of squares of my predicting variables with statsmodels linear model OLS?
我有一个相对较小的数据集，由 x、y 坐标和有机物含量组成。我使用 statsmodels.api 普通最小二乘法 (OLS) 在 Python 中执行简单的多元线性回归，有机质含量是因变量，其他预测变量。首先，我使用内置方法 'mreg.centered_tss' 找到我的模型（称为 mreg）的总平方和。现在我必须找到预测变量 x 和 y 的平方和。是否可以使用 statsmodels.api 或者我应该使用 for 循环？
我已经使用 .ess 和 .centered_tss 来确定模型的平方和。我只需要知道我的建模变量 x 和 y 坐标与均值相比的平方和。
编辑：我想我要的是模型的 x 坐标和 y 坐标的残差平方和。
托马斯
回归平方和应该有.ssr方法
我有一个相对较小的数据集，由 x、y 坐标和有机物含量组成。我使用 statsmodels.api 普通最小二乘法 (OLS) 在 Python 中执行简单的多元线性回归，有机质含量是因变量，其他预测变量。首先，我使用内置方法 'mreg.centered_tss' 找到我的模型（称为 mreg）的总平方和。现在我必须找到预测变量 x 和 y 的平方和。是否可以使用 statsmodels.api 或者我应该使用 for 循环？
我已经使用 .ess 和 .centered_tss 来确定模型的平方和。我只需要知道我的建模变量 x 和 y 坐标与均值相比的平方和。
编辑：我想我要的是模型的 x 坐标和 y 坐标的残差平方和。
托马斯
回归平方和应该有.ssr方法