statsmodels.discrete.count_model.GenericZeroInflated.predict¶

GenericZeroInflated.predict(params, exog=None, exog_infl=None, exposure=None, offset=None, which='mean', y_values=None)[source]¶

预测给定外生变量时的预期响应或其他统计量。

Parameters:¶

paramsarray_like

模型的参数。

exogndarray, optional

主计数模型的解释变量。 如果 exog 为 None，则将使用模型中的数据。

exog_inflndarray, optional

零膨胀模型的解释变量。 exog_infl 必须在 exog 提供的情况下提供，除非 exog_infl 在模型中仅是一个常数。

offsetndarray, optional

偏移量被添加到均值函数的线性预测器中，系数等于1。 如果exog不为None，则默认值为零；如果exog为None，则默认值为模型偏移量。

exposurendarray, optional

Log(exposure) 被添加到线性预测器中，系数等于1。如果指定了exposure，则该方法会对其进行对数化处理。用户不需要先对其进行对数化处理。如果exog不为None，则默认值为1；如果exog为None，则默认值为模型的exposure。

whichstr (optional)

要预测的统计量。默认是‘均值’。

• ‘mean’ : 因变量的条件期望 E(y | x)。这考虑了膨胀的零值。

• ‘linear’ : 均值函数的线性预测器。

• ‘var’ : 返回模型所隐含的endog的估计方差。

• ‘mean-main’ : 主计数模型的均值

• ‘prob-main’probability of selecting the main model.

  零膨胀的概率是 1 - prob-main。

• ‘mean-nonzero’ : 预期值条件是观测值大于零，E(y | X, y>0)

• ‘prob-zero’ : 观测到零计数的概率。P(y=0 | x)

• ‘prob’ : 每个计数从0到max(endog)的概率，或者如果提供了y_values，则为这些值的概率。这是一个多元返回（当预测多个观测值时为2维）。

y_valuesarray_like

随机变量 endog 的值，在这些值上计算 pmf。 仅在 which="prob" 时使用