如何用statsmodels.graphics绘制含交互项的偏回归图？

statsmodels.graphics可以实现交互项的偏回归图绘制，针对你遇到的两个问题，具体解决方法如下：

问题1：plot_partregress无法传入拟合结果与指定参考水平 #

plot_partregress不支持直接传入拟合后的模型对象，但可以基于模型生成的设计矩阵手动绘制，同时保留公式中设置的分类变量参考水平：

1. 先完成模型拟合：

results = reg.fit()

2. 提取模型的设计矩阵与因变量（已包含交互项和按Treatment编码的分类变量）：

X = results.model.exog
y = results.model.endog

3. 确认交互项的列名（通过results.model.exog_names查看），然后调用plot_partregress绘制：

from statsmodels.graphics.regressionplots import plot_partregress

# 替换为你的交互项列名，比如'weight_del6_relative:pc1'
interact_col = 'weight_del6_relative:pc1'
col_idx = results.model.exog_names.index(interact_col)

plot_partregress(
    endog=y,
    exog_idx=col_idx,
    exog=X,
    exog_names=results.model.exog_names,
    title=f"偏回归图：{interact_col}"
)

问题2：从子图中单独提取目标偏回归图 #

plot_regress_exog和plot_partregress_grid返回的是matplotlib Figure对象，可通过axes属性定位并提取单个子图：

方法1：从plot_regress_exog中提取 #

from statsmodels.graphics.regressionplots import plot_regress_exog
import matplotlib.pyplot as plt

# 生成交互项的相关图组
fig = plot_regress_exog(results, 'weight_del6_relative:pc1')
# 偏回归图通常是第2个子图（索引为1，可根据实际输出调整）
ax_partreg = fig.axes[1]

# 单独保存子图
ax_partreg.figure.savefig('交互项偏回归图.png')
# 单独显示子图
plt.show(ax_partreg.figure)

方法2：从plot_partregress_grid中提取 #

from statsmodels.graphics.regressionplots import plot_partregress_grid
import matplotlib.pyplot as plt

fig = plot_partregress_grid(results)
# 找到交互项对应的子图索引
interact_idx = results.model.exog_names.index('weight_del6_relative:pc1')
ax_target = fig.axes[interact_idx]

# 自定义子图样式并保存
ax_target.set_title("交互项偏回归图")
ax_target.figure.savefig('单张偏回归图.png')

额外方案：手动绘制自定义偏回归图 #

如果需要更高自由度，可手动计算偏残差与偏拟合值，直接用matplotlib绘制：

import matplotlib.pyplot as plt
import numpy as np

# 获取交互项之外的所有变量参数与列
other_params = np.delete(results.params, col_idx)
other_X = np.delete(X, col_idx, axis=1)

# 计算偏残差（y减去其他变量的预测值）
partial_resid = y - other_X @ other_params
# 计算偏拟合值（交互项变量的拟合部分）
partial_fit = X[:, col_idx] * results.params[col_idx]

# 绘制散点图+拟合线
plt.scatter(X[:, col_idx], partial_resid, alpha=0.5)
plt.plot(X[:, col_idx], partial_fit, color='red')
plt.xlabel(interact_col)
plt.ylabel("偏残差")
plt.title("交互项偏回归图")
plt.show()

内容的提问来源于stack exchange，提问作者Luis_12345