python statsmodel 回归结果提取（回归系数、t值、pvalue、R方）【转载】

@创建于：2022.12.12
@修改于：2022.12.12

1、训练模型

相关函数官网链接：
statsmodels.regression.linear_model.OLSResults

statsmodels.discrete.discrete_model.LogitResults

import statsmodels.api as sm
# 模型训练
model = sm.OLS(y, x).fit()
或者
model = sm.Logit(y, sm.add_constant(X)).fit(disp=False)

# 查看模型结果
print(model.summary())
# summary2显示的内容与summary不同
print(model.summary2())
# 只打印第二张表的内容
print(model.summary2().tables[1])

2、提取元素-回归系数类

# 提取回归系数
model.params

# 提取回归系数标准差
model.bse

# 提取回归系数p值
model.pvalues

# 提取回归系数t值
model.tvalues

# 提取回归系数置信区间 默认5%，括号中可填具体数字 比如0.05, 0.1
model.conf_int()  

# 提取模型预测值
model.fittedvalues

# 提取残差
model.resid

# 模型自由度（系数自由度）
model.df_model

# 残差自由度（样本自由度）
model.df_resid

# 模型样本数量
model.nobs

3、模型评价类

# 提取R方
model.rsquared

# 提取调整R方
model.rsquared_adj

# 提取AIC
model.aic

# 提取BIC
model.bic

# 提取F-statistic
model.fvalue

# 提取F-statistic 的pvalue
model.f_pvalue

# 模型mse
model.mse_model

# 残差mse
model.mse_resid

# 总体mse
model.mse_total

4、计量经济学方面的系数

# 协方差矩阵比例因子
model.scale

#  White异方差稳健标准误
model.HC0_se

# MacKinnon和White（1985）的异方差稳健标准误
model.HC1_se

#  White异方差矩阵
model.cov_HC0

# MacKinnon和White（1985）的异方差矩阵
model.cov_HC1

5、参考来源

python statsmodel 回归结果提取（回归系数、t值、pvalue、R方）