statsmodels.graphics.regressionplots.plot_ccpr_grid¶

statsmodels.graphics.regressionplots.plot_ccpr_grid(results, exog_idx=None, grid=None, fig=None)[source]¶

生成针对一组回归量的CCPR图，以网格形式绘制。

生成组件和组件加残差（CCPR）图的网格。

Parameters:¶

resultsresult instance

一个包含外生变量和参数的结果实例。

exog_idxNone or list of int

用于绘图的 exog 的索引或列名。

gridNone or tuple of int (nrows, ncols)

如果给定了网格，则用于子图的排列。 如果网格为None，则当只有2个子图时，列数为1，否则列数为2。

figFigure, optional

如果给出，则直接返回此图形。否则，将创建一个新的图形。

Returns:¶

Figure

如果 ax 为 None，则创建图形。否则为 ax 连接的图形。

另请参阅

plot_ccpr

为单个回归变量创建CCPR图。

注释

偏残差图的形成方式如下：

Res + Betahat(i)*Xi versus Xi

并且 CCPR 补充道：

Betahat(i)*Xi versus Xi

参考文献

参见 http://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/ccpr.htm

示例

使用状态犯罪数据集分别绘制每个变量对结果（谋杀率）的影响，同时考虑模型中所有其他变量的影响。

>>> import statsmodels.api as sm
>>> import matplotlib.pyplot as plt
>>> import statsmodels.formula.api as smf

>>> fig = plt.figure(figsize=(8, 8))
>>> crime_data = sm.datasets.statecrime.load_pandas()
>>> results = smf.ols('murder ~ hs_grad + urban + poverty + single',
...                   data=crime_data.data).fit()
>>> sm.graphics.plot_ccpr_grid(results, fig=fig)
>>> plt.show()

(源代码, png, 高分辨率png, pdf)