为何scipy.linregress、seaborn与statsmodels线性回归结果不同？

1. 区间类型混淆：置信区间 vs 预测区间 #

这是最核心的差异原因：

• Seaborn的regplot默认绘制的是回归均值的95%置信区间（CI），反映的是回归直线本身的估计不确定性，范围相对较窄。
• 若你在Statsmodels中直接调用get_prediction().conf_int()，默认返回的是单个观测值的95%预测区间（PI）——这个区间针对的是新数据点的预测范围，同时包含回归直线的不确定性和单个数据的随机误差，因此范围会比置信区间宽很多。

要让两者输出一致：

• 在Statsmodels中计算回归均值的置信区间，需指定prediction=False参数：

  pred = model.get_prediction(exog=X_new, prediction=False)
  ci = pred.conf_int(alpha=0.05)
  

2. 拟合模型的细节差异 #

• 截距项设置：Statsmodels的OLS模型默认不包含截距项，需要手动通过sm.add_constant(X)添加；而Seaborn的regplot默认拟合包含截距的模型。若你在Statsmodels中遗漏了添加截距项，拟合出的回归直线会和Seaborn的结果偏离，对应的区间自然也有差异。
  正确的Statsmodels拟合代码：

  import statsmodels.api as sm
  X = sm.add_constant(X)  # 手动添加截距项
  model = sm.OLS(y, X).fit()
  

• 权重或分组处理：Seaborn的regplot支持weight参数，若你无意间设置了数据权重但在Statsmodels中未对应配置，也会导致拟合结果不一致。

3. 置信区间的计算方法差异 #

虽然Seaborn底层依赖Statsmodels，但两者的区间计算逻辑可能不同：

• 当数据集较小时，Seaborn默认使用bootstrap抽样法计算置信区间；而Statsmodels默认采用基于t分布的参数化解析法。两种方法的结果在小样本场景下会存在偏差。
• 若要让Seaborn使用参数化方法，可确保数据集足够大（通常n>100），Seaborn会自动切换计算逻辑。

内容的提问来源于stack exchange，提问作者Zeno Dalla Valle