Интерпретация summary из statsmodels для линейной регрессии

А каким образом рассчитываете?
В оригинальной статье приведён пример рассчёта

d = Y - result.fittedvalues

S = np.mean( d**3.0 ) / np.mean( d**2.0 )**(3.0/2.0)
# equivalent to:
# S = stats.skew(result.resid, bias=True)

K = np.mean( d**4.0 ) / np.mean( d**2.0 )**(4.0/2.0)
# equivalent to:
# K = stats.kurtosis(result.resid, fisher=False, bias=True)
print('Skewness: {:.3f},  Kurtosis: {:.3f}'.format( S, K ))

>>> Skewness: -0.014,  Kurtosis: 1.527

В этой функции fisher=True по умолчанию.

Интерпретация summary из statsmodels для линейной регрессии

Перевод с дополнениями. То, чего мне не хватало в оригинальной статье для понимания линейной регрессии -- я добавил здесь и оставил ссылки на источники, которые помогли мне разобраться