Пользователь
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.
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
А каким образом рассчитываете?
В оригинальной статье приведён пример рассчёта
В этой функции fisher=True по умолчанию.
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