我想评估残差：（y-hat y）。
我知道该怎么做：
df = pd.read_csv('myFile', delim_whitespace = True, header = None)
df.columns = ['column1', 'column2']
y, X = ps.dmatrices('column1 ~ column2',data = df, return_type = 'dataframe')
model = sm.OLS(y,X)
results = model.fit()
predictedValues = results.predict()
#print predictedValues
yData = df.as_matrix(columns = ['column1'])
res = yData - predictedValues
我想知道是否有一种方法可以做到这一点（？）。
这存储在Results 类resid的属性中
同样有一个results.fittedvalues方法，所以你不需要results.predict().
残差的正态性
选项 1：Jarque-Bera 测试
name = ['Jarque-Bera', 'Chi^2 two-tail prob.', 'Skew', 'Kurtosis']
test = sms.jarque_bera(results.resid)
lzip(name, test)
出去：
[('Jarque-Bera', 3.3936080248431666),
('Chi^2 two-tail prob.', 0.1832683123166337),
('Skew', -0.48658034311223375),
('Kurtosis', 3.003417757881633)]
Omni test:
选项 2：全方位测试
name = ['Chi^2', 'Two-tail probability']
test = sms.omni_normtest(results.resid)
lzip(name, test)
出去：
[('Chi^2', 3.713437811597181), ('Two-tail probability', 0.15618424580304824)]
如果您正在寻找各种（缩放）残差，例如外部/内部学生化残差、PRESS 残差等，请OLSInfluence查看statsmodels.
使用适合的结果（一个RegressionResults对象），您实例化一个OLSInfluence对象，该对象将为您计算所有这些属性。这是一个简短的示例：
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import OLSInfluence
data = sm.datasets.spector.load(as_pandas=False)
X = data.exog
y = data.endog
# fit the model
model = sm.OLS(y, sm.add_constant(X, prepend=False))
fit = model.fit()
# compute the residuals and other metrics
influence = OLSInfluence(fit)