来自Statsmodels的R2

Question

有没有一种简单的方法从Statsmodels的VAR包中提取R2？

遵循statsmodel文档中的示例：http://www.statsmodels.org/dev/vector_ar.html

from statsmodels.tsa.api import VAR
model = VAR(data)
results = model.fit(2)
results.summary()

Summary of Regression Results   
==================================
Model:                         VAR
Method:                        OLS
Date:           Tue, 28, Feb, 2017
Time:                     21:38:11
--------------------------------------------------------------------
No. of Equations:         3.00000    BIC:                   -27.5830
Nobs:                     200.000    HQIC:                  -27.7892
Log likelihood:           1962.57    FPE:                7.42129e-13
AIC:                     -27.9293    Det(Omega_mle):     6.69358e-13
--------------------------------------------------------------------
.
.

然后，它继续显示每个方程的系数，最后显示残差的相关矩阵。但是，它并不显示每个方程的R平方。

有没有人知道有没有一种简单的方法可以从statsmodels中提取R平方图，而不需要从头开始计算？

Answer 1

对每个方程使用sklearn.metrics.r2_score都是可行的(不幸的是超出了统计模型)。示例代码假设在数据帧data中有一个名为'foobar'的列，这将是我们提取的等式R2；显然，VAR()和fit()方法应该根据您的特定情况进行调整

import statsmodels.api as sm
import sklearn.metrics as skm
estVAR = sm.tsa.VAR(data).fit(1)
skm.r2_score(estVAR.fittedvalues['foobar']+estVAR.resid['foobar'],
  estVAR.fittedvalues['foobar'])

将拟合值添加到残差中的原因是为了获得VAR可以构造拟合值的实际数据(而不是整个样本，由于需要在右侧进行滞后观测，其中一些观测值没有构造拟合值)。顺便说一句，我们可以确认这就是我们想要的R2。

y = estVAR.fittedvalues['foobar']+estVAR.resid['foobar']
R2 = 1 - np.sum(estVAR.resid['foobar'].values**2)/np.sum((y.values-y.mean())**2)