我正在使用 R 并在 Python 中确认我的结果，两者之间的绝大多数工作匹配得很好。R 有两个输出，我没有看到如何在 Python 中获取，现在我正在寻找预打包的调用，但如果我必须手动完成，那就这样吧。尽管如此，我仍然希望预打包的调用可用，因为 R 中的其他所有内容几乎都在 Python 中。

第一个问题：如何在 Python 中得到 R 'Residual standard error'（见红框）？

这是R代码，下面是结果：

fit_1a <- lm(rpaapl~rpsp, data=df_returns)
summary(fit_1a)

这是 Python/statsmodels.ols 代码，下面是结果：

est_1a = smf.ols(formula='rpaapl ~ rpsp', data=xl).fit()
print(est_1a.summary())

$\color{red}{\text{So how can I get this residual standard error in Python?}}$

第二个问题：如何在 Python 中获得 R 的“每个预测的标准误差”？

这是R代码，下面是结果：

forecast_1d <- data.frame(predict(fit_1a, newdata=data.frame(rpsp=mrp), se.fit=TRUE))
forecast_1d

这是 Python/statsmodels.ols 代码，下面是结果：

df_1d["estimate"] = est_1a.predict(df_1d)
print(type(est_1a.predict(df_1d)))
df_1d["estimate"]

$\color{red}{\text{So how can I get these standard errors for each prediction in Python?}}$

请注意 est_1a 对象有一堆值，但我没有找到标准错误。此外， est_1a.predict 仅返回时间序列，因此预测调用似乎不计算标准误差（R 中的 se.fit）。任何帮助深表感谢。