将变异拆成两部分
给定两个距离-时间数据集：一个速度很小，一个速度较大。请注意，两者的斜率标准误可能相同，但模型整体的 R 方会不同，这取决于斜率大小（"效应量"）与标准误（"不确定性"）的比较关系。
如果将两个数据集在同一坐标轴上绘制散点图，这种对比会非常清晰。由斜率引起的变异，与围绕趋势线的随机散点引起的变异并不相同。在本练习中，您的目标是计算两个数据集的标准误和 R 方，并进行比较。
本练习是课程的一部分
Python 线性建模入门
练习说明
- 为数据集
distances1和distances2分别构建并调用fit()拟合ols()模型。 - 使用结果模型
model_1和model_2的.bse，并以'times'作为键，提取各模型斜率的标准误。 - 使用
.rsquared属性提取各模型的 R 方值。 - 打印得到的
se_1、rsquared_1、se_2、rsquared_2，并进行直观比较。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build and fit two models, for columns distances1 and distances2 in df
model_1 = ols(formula="____ ~ times", data=df).____()
model_2 = ols(formula="____ ~ times", data=df).____()
# Extract R-squared for each model, and the standard error for each slope
se_1 = model_1.____['times']
se_2 = model_2.____['times']
rsquared_1 = model_1.____
rsquared_2 = model_2.____
# Print the results
print('Model 1: SE = {:0.3f}, R-squared = {:0.3f}'.format(____, ____))
print('Model 2: SE = {:0.3f}, R-squared = {:0.3f}'.format(____, ____))