Pythonによる単回帰分析が、エクセルでの分析結果と値が違うので、どこに間違いがあるか教えていただきたいです。

Question

私は先日、Pythonでライブラリなしの単回帰分析スクリプトを書きました。
参考サイトは、こちらを利用しました。
高校数学でわかる単回帰分析

import csv
import math
import os

class Data(): # データクラスインスタンス->data
    def __init__(self):
        self.temp_data_list = []
        self.IF_data_list = []

class Average(): # 平均クラスインスタンス->ave
    def __init__(self):
        self.temp_ave = None
        self.IF_ave = None

    def averageCalc(self):
        temp_total = 0
        IF_total = 0
        for (temp, IF) in zip(data.temp_data_list, data.IF_data_list):
            temp_total += float(temp)
            IF_total += float(IF)
        self.temp_ave = temp_total / len(data.temp_data_list)
        self.IF_ave = IF_total / len(data.IF_data_list)

class Deviation(): # 偏差クラスインスタンス->dev
    def __init__(self):
        self.temp_deviation_list = []
        self.IF_deviation_list = []

    def deviationCalc(self):
        for (temp, IF) in zip(data.temp_data_list, data.IF_data_list):
            self.temp_deviation_list.append(float(temp) - float(ave.temp_ave))
            self.IF_deviation_list.append(float(IF) - float(ave.IF_ave))

class Dispersion(): # 分散クラスインスタンス->disp
    def __init__(self):
        self.S_temp2 = None
        self.S_IF2 = None

    def dispersionCalc(self):
        temp = 0
        IF = 0
        for (temp_dev, IF_dev) in zip(dev.temp_deviation_list, dev.IF_deviation_list):
            temp += float(temp_dev) * float(temp_dev)
            IF += float(IF_dev) * float(IF_dev)
        self.S_temp2 = temp / len(dev.temp_deviation_list)
        self.S_IF2 = IF / len(dev.IF_deviation_list)

class standardDeviation(): # 標準偏差クラスインスタンス->sd
    def __init__(self):
        self.S_temp = None
        self.S_IF = None

    def standardDevationCalc(self):
        self.S_temp = math.sqrt(disp.S_temp2)
        self.S_IF = math.sqrt(disp.S_IF2)

class Covariance(): # 共分散クラスインスタンス->co
    def __init__(self):
        self.S_temp_IF = None

    def covarianceCalc(self):
        dev_total = 0
        for (temp_dev, IF_dev) in zip(dev.temp_deviation_list, dev.IF_deviation_list):
            dev_total += float(temp_dev) * float(IF_dev)
        self.S_temp_IF = dev_total / len(dev.temp_deviation_list)

class regressionLine(): # 回帰直線クラスインスタンス->reg
    def __init__(self):
        self.inclination = None
        self.intercept = None

    def inclinationCalc(self):
        inc = float(co.S_temp_IF) / float(disp.S_temp2)
        self.inclination = inc

    def interceptCalc(self):
        itc = float(ave.IF_ave) - (((float(co.S_temp_IF) / float(disp.S_temp2))) * float(ave.temp_ave))
        self.intercept = itc

    def regressionLinePrint(self, path):
        self.inclination = '{:.2f}'.format(float(self.inclination))
        self.intercept = '{:.2f}'.format(float(self.intercept))
        print('-----------------------------------')
        print(os.path.basename(path).split('.', 1)[0]) # ファイル名
        print('回帰直線')
        print('y = ' + str(self.inclination) + 'x + ' + str(self.intercept))

class Coefficient(): # 係数クラスインスタンス->coef
    def __init__(self):
        self.correlation_coef = None # 相関係数
        self.determination_coef = None # 決定係数

    def correlationCalc(self):
        r = float(co.S_temp_IF) / (float(sd.S_temp) * float(sd.S_IF))
        self.correlation_coef = r
        return r

    def determinationCalc(self):
        rr = float(self.correlationCalc()) * float(self.correlationCalc())
        self.determination_coef = rr

    def coefPrint(self):
        self.correlation_coef = '{:.2f}'.format(float(self.correlation_coef))
        self.determination_coef = '{:.2f}'.format(float(self.determination_coef))
        print('相関係数')
        print(self.correlation_coef)
        print('決定係数')
        print(self.determination_coef)
        print('-----------------------------------')

class Plot(): # グラフクラス
    def __init__(self):
        pass


##インスタンス
data = Data() # データクラスのインスタンス
ave = Average() # 平均計算クラスのインスタンス
dev = Deviation() # 偏差クラスのインスタンス
disp = Dispersion() # 分散クラスのインスタンス
sd = standardDeviation() # 標準偏差クラスのインスタンス
co = Covariance() # 共分散クラスのインスタンス
reg = regressionLine() # 回帰直線クラスのインスタンス
coef = Coefficient() # 係数クラスのインスタンス

#csvのパス
path_list = []

for path in path_list:
    ##CSV読み込み処理
    with open(path, encoding = "utf-8-sig") as f:
        reader = csv.reader(f)
        for row in reader:
            data.temp_data_list.append(float(row[0]))
            row[1] = '{:.4f}'.format(float(row[1]))
            data.IF_data_list.append(row[1])

    ##起動
    ave.averageCalc()
    dev.deviationCalc()
    disp.dispersionCalc()
    sd.standardDevationCalc()
    co.covarianceCalc()
    reg.inclinationCalc()
    reg.interceptCalc()
    reg.regressionLinePrint(path)
    coef.determinationCalc()
    coef.coefPrint()

しかし、エクセルでの単回帰分析結果とでは、
少しばかりの値の違いが出てしまいました。

しかし計算方法は合っているはずなので、
どこに間違いがあるかわからない状況です。

誰か統計学の知見があるかたに、
このPyhtonの計算のどこに間違いがあるか教えていただきたいです。

Comments

[meg_]

> エクセルでの単回帰分析結果とでは、少しばかりの値の違いが出てしまいました。
どのぐらい差があるのか不明ですが、sklearn等で実装した結果と比べてみたらどうでしょうか？
差がほとんどなければ（計算誤差の範囲内であれば）質問の実装は合っているのではないでしょうか。

[jbpb0]

csvを読むところで、
row[1] = '{:.4f}'.format(float(row[1]))
と、桁数を制限しているからでは?

[jbpb0]

あと、計算結果を表示する桁数も、
'{:.2f}'.format
より、もうちょっと増やした方がいいような

[KTG]

ご回答くださった皆様、
大変助かりました。ありがとうございます！

Answer 1

csvを読むところの
row[1] = '{:.4f}'.format(float(row[1]))
の桁数を増やすのと、計算結果を表示するところの
'{:.2f}'.format
の桁数を増やしてみてください