ols残差_python数据关系型图表散点图系列残差分析图

参差分析图(线性回归、二次回归)

残差分析(residual analysis)回归方程拟合的数值和实际数值的差值就是残差；残差分析是通过残差所提供的信息，分析出数据的可靠性、周期性或其他干扰；用于分析模型的假定正确与否的方法；残差：指观测值与预测值(拟合值)之间的差，即实际观测值与回归估算值的差；

绘制残差图

• 通常使用颜色渐变及气泡面积大小，通过视觉暗示对应残差的绝对值大小，用于实际数据点的表示；

• 拟合数据点则用小空心圆圈表示，并放置在灰色的拟合曲线上；

• 用直线连接实际数据点和拟合数据点；

• 残差的绝对值越大，颜色越红、气泡也越大，连接直线越长，可以很清晰地观察数据的拟合效果；

残差分析图绘制方法

• 先根据拟合曲线计算预测值和残差；

• 再使用实际值与预测值绘制散点图；

• 最后使用残差作为实际值的误差线长度，添加误差线；

• 实现实际值与预测值的连接；

• 将实际值的气泡面积大小与颜色映射到对应点的残差数值；

• Statsmodels包的sm.OLS()函数可以实现线性或多项式回归拟合方程的求解，依据方程，可以求取预测值；

绘制线性回归

import pandas as pd

import numpy as np

from plotnine import *

import statsmodels.api as sm

df=pd.