stats.lingress中的r与stats模型中的r平方的比较

我正在研究一个程序来研究某些类星体的星等和红移之间的关系,我正在使用 statsmodels 和 scipy.stats.linregress 计算数据统计; 状态模型 计算 r-squared (除其他参数外),以及 stats.linregress 计算 r (等等)。

一些示例输出是:

W1 r-squared: 0.855715
W1 r-value  : 0.414026
W2 r-squared: 0.861169
W2 r-value  : 0.517381
W3 r-squared: 0.874051
W3 r-value  : 0.418523
W4 r-squared: 0.856747
W4 r-value  : 0.294094
Visual minus WISE r-squared: 0.87366
Visual minus WISE r-value  : -0.521463

我的问题是,为什么 R 和 R方 值不匹配

(即,对于W1波段,0.414026**2!= 0.855715)?

我的计算函数代码如下:

def computeStats(x, y, yName):
    from scipy import stats
    import statsmodels.api as sm

    #   Compute model parameters
    model = sm.OLS(y, x, missing= 'drop')
    results = model.fit()
    #   Mask NaN values in both axes
    mask = ~np.isnan(y) & ~np.isnan(x)
    #   Compute fit parameters
    params = stats.linregress(x[mask], y[mask])
    fit = params[0]*x + params[1]
    fitEquation = '$(%s)=(%.4g \pm %.4g) \\times redshift+%.4g$'%(yName,
                params[0],  #   slope
                params[4],  #   stderr in slope
                params[1])  #   y-intercept

    print('%s r-squared: %g'%(name, arrayresults.rsquared))
    print('%s r-value  : %g'%(name, arrayparams[2]))

    return results, params, fit, fitEquation

我对统计数据的解释有误吗?还是两个模块使用不同的方法计算回归?