statsmodels.graphics.regressionplots.plot_fit¶

statsmodels.graphics.regressionplots.plot_fit(results, exog_idx, y_true=None, ax=None, vlines=True, **kwargs)[source]¶

绘制拟合结果与一个回归变量的关系图。

这将创建一个图表，显示观测值与拟合值的散点图。

Parameters:¶

resultsResults

一个结果实例，具有 resid、model.endog 和 model.exog 作为属性。

exog_idx{int, str}

外生矩阵中回归变量的名称或索引。

y_truearray_like. optional

如果这不是 None，则会将数组添加到图中。

axAxesSubplot, optional

如果指定，此子图将用于绘图，而不是创建新图形。

vlinesbool, optional

如果这不是True，则拟合的不确定性（逐点预测区间）不会被绘制。

**kwargs

关键字参数传递给拟合值点的绘图命令。

Returns:¶

Figure

如果 ax 为 None，则创建图形。否则为 ax 连接的图形。

示例

加载全州犯罪数据集并使用贫困和高中毕业率作为变量，谋杀作为响应进行线性回归

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

>>> data = sm.datasets.statecrime.load_pandas().data
>>> murder = data['murder']
>>> X = data[['poverty', 'hs_grad']]

>>> X["constant"] = 1
>>> y = murder
>>> model = sm.OLS(y, X)
>>> results = model.fit()

仅为变量‘Poverty’创建一个图。 请注意，由于vlines为true，因此绘制了表示不确定性的垂直条。

>>> fig, ax = plt.subplots()
>>> fig = sm.graphics.plot_fit(results, 0, ax=ax)
>>> ax.set_ylabel("Murder Rate")
>>> ax.set_xlabel("Poverty Level")
>>> ax.set_title("Linear Regression")

>>> plt.show()

(源代码, png, 高分辨率png, pdf)