在Python中轻松访问标准化残差，厨师价值，帽子价值（杠杆）等？

Question

我在拟合线性回归后寻找影响统计数据。在R中，我可以像这样获得它们（例如）：

hatvalues(fitted_model) #hatvalues (leverage)
cooks.distance(fitted_model) #Cook's D values
rstandard(fitted_model) #standardized residuals
rstudent(fitted_model) #studentized residuals

等等

在拟合这样的模型后，如何在Python中使用statsmodel时获得相同的统计信息：

#import statsmodels
import statsmodels.api as sm

#Fit linear model to any dataset
model = sm.OLS(Y,X)
results = model.fit()

#Creating a dataframe that includes the studentized residuals
sm.regression.linear_model.OLSResults.outlier_test(results)

编辑：见下面的答案......

Answer 1

我在这里找到了：

http://www.statsmodels.org/dev/generated/statsmodels.stats.outliers_influence.OLSInfluence.summary_frame.html

OLSInfluence.summary_frame()

Answer 2

虽然接受的答案是正确的，但我发现在适合我的模型后，将统计信息作为影响实例（statsmodels.regression.linear_model.OLSResults.get_influence）的实例属性单独访问是有帮助的。这使我不必索引summary_frame，因为我只对其中一个统计数据感兴趣而不是所有统计数据。所以也许这有助于其他人：

import statsmodels.api as sm

#Fit linear model to any dataset
model = sm.OLS(Y,X)
results = model.fit()

#create instance of influence
influence = results.get_influence()

#leverage (hat values)
leverage = influence.hat_matrix_diag

#Cook's D values (and p-values) as tuple of arrays
cooks_d = influence.cooks_distance

#standardized residuals
standardized_residuals = influence.resid_studentized_internal

#studentized residuals
studentized_residuals = influence.resid_studentized_external