如何从statsmodels提取模型估计值？重点获取R-squared

嘿，这问题我之前也踩过坑！statsmodels里的属性命名和Pandas确实有差异，你要找的R-squared对应的属性是**rsquared**，不是r2。下面结合你提供的代码给你完整的解决方案：

第一步：整合你的数据集与回归代码 #

先把你给出的代码放在一起，方便测试运行：

import pandas as pd
import numpy as np
import statsmodels.api as sm

# 生成示例数据集
np.random.seed(123)
rows = 12
rng = pd.date_range('1/1/2017', periods=rows, freq='D')
df = pd.DataFrame(np.random.randint(100,150,size=(rows, 2)), columns=['y', 'x'])
df = df.set_index(rng)

# 拟合OLS线性回归模型
x = sm.add_constant(df['x'])
model = sm.OLS(df['y'], x).fit()

第二步：直接提取R-squared值 #

调用模型对象的rsquared属性就能直接拿到结果，调整后的R-squared可以用rsquared_adj：

# 获取R-squared值
print("R-squared值:", model.rsquared)

# 获取调整后R-squared值（可选需求）
print("调整后R-squared值:", model.rsquared_adj)

运行这段代码，得到的结果和model.summary()里显示的R-squared完全一致，再也不用费劲去解析摘要字符串啦！

额外小提示：其他常用可提取属性 #

statsmodels的拟合模型对象还有很多实用属性可以直接调用，不用再从摘要里扒数据：

• model.params：回归系数（你已经在使用这个）
• model.pvalues：各变量系数的p值
• model.fvalue：模型的F统计量
• model.resid：回归残差

内容的提问来源于stack exchange，提问作者vestland