我正在运行如下回归（df是一个pandas数据框）：

import statsmodels.api as sm
est = sm.OLS(df['p'], df[['e', 'varA', 'meanM', 'varM', 'covAM']]).fit()
est.summary()

除其他外，这给了我R的平方0.942。因此，我想绘制原始y-values值和拟合值。为此，我对原始值进行了排序：

orig = df['p'].values
fitted = est.fittedvalues.values
args = np.argsort(orig)
import matplotlib.pyplot as plt
plt.plot(orig[args], 'bo')
plt.plot(orig[args]-resid[args], 'ro')
plt.show()

但是，这给了我一个图表，其中的值已完全关闭。没有什么可以表明R的平方0.9。因此，我尝试自己手动计算：

yBar = df['p'].mean()
SSTot = df['p'].apply(lambda x: (x-yBar)**2).sum()
SSReg = ((est.fittedvalues - yBar)**2).sum()  
1 - SSReg/SSTot
Out[79]: 0.2618159806908984

难道我做错了什么？还是有原因导致我的计算与statsmodels相差甚远？SSTot，SSReg具有值48084，35495。