statsmodels.base.distributed_estimation.DistributedResults¶

class statsmodels.base.distributed_estimation.DistributedResults(model, params)[source]¶

包含模型结果的类

Parameters:¶

modelclass instance

用于分布式数据的模型类实例， 这个特定实例使用假数据，实际上 只是为了允许使用像predict这样的方法。

paramsndarray

拟合模型中的参数估计值。

Attributes:¶

bse

参数估计的标准误差。

llf

模型对数似然

pvalues

参数t统计量的双尾p值。

tvalues

返回给定参数估计的t统计量。

use_t

指示在推理中使用学生分布的标志。

方法

conf_int([alpha, cols])	构建拟合参数的置信区间。
cov_params([r_matrix, column, scale, cov_p, ...])	计算方差/协方差矩阵。
f_test(r_matrix[, cov_p, invcov])	计算联合线性假设的F检验。
initialize(model, params, **kwargs)	初始化（可能重新初始化）一个 Results 实例。
load(fname)	加载一个序列化的结果实例
normalized_cov_params()	查看特定模型类的文档字符串
predict(exog, *args, **kwargs)	调用 self.model.predict 以处理提供的 exog。
remove_data()	从结果和模型中移除数据数组和所有nobs数组。
save(fname[, remove_data])	保存此实例的pickle。
summary()	摘要
t_test(r_matrix[, cov_p, use_t])	计算每个线性假设 Rb = q 的 t 检验。
t_test_pairwise(term_name[, method, alpha, ...])	执行成对t检验，并使用多重检验校正p值。
wald_test(r_matrix[, cov_p, invcov, use_f, ...])	计算联合线性假设的Wald检验。
wald_test_terms([skip_single, ...])	计算多列上项的Wald检验序列。

属性

bse	参数估计的标准误差。
llf	模型对数似然
pvalues	参数t统计量的双尾p值。
tvalues	返回给定参数估计的t统计量。
use_t	指示在推理中使用学生分布的标志。