statsmodels.discrete.count_model.ZeroInflatedGeneralizedPoissonResults¶

class statsmodels.discrete.count_model.ZeroInflatedGeneralizedPoissonResults(model, mlefit, cov_type='nonrobust', cov_kwds=None, use_t=None)[source]¶

零膨胀广义泊松的结果类

Parameters:¶

modelA DiscreteModel instance

paramsarray_like

拟合模型的参数。

hessianarray_like

拟合模型的海森矩阵。

scalefloat

协方差矩阵的尺度参数。

Attributes:¶

df_residfloat

查看模型定义。

df_modelfloat

查看模型定义。

llffloat

对数似然值

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。
get_diagnostic([y_max])	获取具有规范和诊断方法的类实例。
get_distribution([exog, transform])
get_influence()	影响和异常值度量
get_margeff([at, method, atexog, dummy, count])	获取拟合模型的边际效应。
get_prediction([exog, exog_infl, exposure, ...])	当端点变换有效时计算预测结果。
info_criteria(crit[, dk_params])	返回模型的信息准则。
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, transform])	调用 self.model.predict，将 self.params 作为第一个参数。
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。
score_test([exog_extra, params_constrained, ...])	用于限制条件或遗漏变量的得分检验
set_null_options([llnull, attach_results])	设置空模型（仅常数）的拟合选项。
summary([yname, xname, title, alpha, yname_list])	总结回归结果。
summary2([yname, xname, title, alpha, ...])	实验性功能，用于汇总回归结果。
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

aic	赤池信息量准则。
bic	贝叶斯信息准则。
bse	参数估计的标准误差。
fittedvalues	线性预测器 XB。
im_ratio
llf	模型对数似然
llnull	仅常数对数似然值
llr	似然比卡方统计量；-2*(llnull - llf)
llr_pvalue	获得大于llr的对数似然比统计量的卡方概率。
prsquared	McFadden 伪 R 平方。
pvalues	参数t统计量的双尾p值。
resid	残差
resid_pearson	皮尔逊残差定义为响应残差除以模型隐含的标准差。
resid_response	响应残差。
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。