statsmodels.discrete.conditional_models.ConditionalPoisson¶

class statsmodels.discrete.conditional_models.ConditionalPoisson(endog, exog, missing='none', **kwargs)[source]¶

拟合一个条件泊松回归模型到分组数据。

每个组都隐式地给定了一个截距，但模型是使用条件似然进行拟合的，其中不包含截距。因此，不给出截距估计，但其他参数估计可以解释为针对任何组级别的混杂因素进行了调整。

Parameters:¶

endogarray_like

响应变量

exogarray_like

协变量

groupsarray_like

定义组的代码。这是一个必需的关键字参数。

Attributes:¶

endog_names

内生变量的名称。

exog_names

外生变量的名称。

方法

fit([start_params, method, maxiter, ...])	基于似然模型的拟合方法
fit_regularized([方法, alpha, ...])	返回一个正则化的线性回归模型的拟合结果。
from_formula(formula, data[, subset, drop_cols])	从公式和数据框创建模型。
hessian(params)	模型的海森矩阵。
information(params)	模型的费舍尔信息矩阵。
initialize()	初始化（可能重新初始化）一个模型实例。
loglike(params)	模型的对数似然值。
predict(params[, exog])	模型拟合后，predict 返回拟合值。
score(params)	模型的得分向量。

属性

endog_names	内生变量的名称。
exog_names	外生变量的名称。