固定截距和计算Pykalman回归的R2的多元回归

Question

我正在使用Pykalman模块进行以下回归：y = b1 * x1 + b2 * x2 +互感。 我想在整个回归中保持截距不变。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

trans_cov = delta / (1 - delta) * np.eye(3) \
obs_mat = np.vstack( [df['X1'], df['X2'],np.ones(df['X1'].shape)]).T[:, np.newaxis]

from pykalman import KalmanFilter
    kf = KalmanFilter(
    n_dim_obs=1,\
    n_dim_state=3,\
    initial_state_mean=np.zeros(3),\
    initial_state_covariance=np.ones((3, 3)),\
    transition_matrices=np.eye(3),\
    observation_matrices=obs_mat,\
    observation_covariance=1.0,\
    transition_covariance=trans_cov )

    **state_means**, state_covs = kf.filter(df['Y'].values) 

state_means 的输出具有随时间变化的截距值。
- Pykalman有没有办法获得固定的拦截
- 如何计算上卡尔曼回归的r ** 2？

数据： 在此处输入图像描述

结果：

在此处输入图像描述

我正在寻找 contand buntst intercept的结果。