statsmodels.discrete.count_model.零膨胀负二项分布P¶

class statsmodels.discrete.count_model.ZeroInflatedNegativeBinomialP(endog, exog, exog_infl=None, offset=None, exposure=None, inflation='logit', p=2, missing='none', **kwargs)[source]¶

零膨胀广义负二项模型

Parameters:¶

endogarray_like

一个一维的内生响应变量。因变量。

exogarray_like

一个 nobs x k 的数组，其中 nobs 是观测值的数量，k 是回归变量的数量。默认情况下不包含截距，应由用户添加。请参阅 statsmodels.tools.add_constant。

exog_inflarray_like or None

二元膨胀模型的解释变量，即混合概率模型。如果为None，则使用常数。

offsetarray_like

偏移量被添加到系数等于1的线性预测中。

exposurearray_like

Log(exposure) 被添加到线性预测中，系数等于 1。

inflation{‘logit’, ‘probit’}

零膨胀模型的类型，可以是Logit（默认）或Probit

pfloat

负二项分布模型的离散度参数。p=1 表示 ZINB-1，p=2 表示 ZINM-2。默认值为 p=2

missingstr

可用的选项是‘none’、‘drop’和‘raise’。如果选择‘none’，则不进行nan检查。如果选择‘drop’，则会删除任何包含nan的观测值。如果选择‘raise’，则会引发错误。默认值是‘none’。

Attributes:¶

endogndarray

对内生响应变量的引用

exogndarray

对外生设计的引用。

exog_inflndarray

对零膨胀外生设计的引用。

pscalar

P 表示 ZINB 回归的参数化。p=1 表示 ZINB-1 和

p=2 for ZINB-2. Default is p=2

方法

cdf(X)	模型的累积分布函数。
cov_params_func_l1(likelihood_model, xopt, ...)	计算在由l1正则化拟合产生的非零参数对应缩减参数空间上的cov_params。
fit([start_params, method, maxiter, ...])	使用最大似然法拟合模型。
fit_regularized([start_params, method, ...])	使用正则化的最大似然法拟合模型。
from_formula(公式, 数据[, 子集, 删除列])	从公式和数据框创建模型。
get_distribution(params[, exog, exog_infl, ...])	获取基于预测参数的分布的冻结实例。
hessian(params)	通用零膨胀模型对数似然函数的Hessian矩阵
information(参数)	模型的费舍尔信息矩阵。
initialize()	初始化由 statsmodels.model.LikelihoodModel.__init__ 调用，并且应该包含模型所需的任何预处理。
loglike(params)	通用零膨胀模型的对数似然值。
loglikeobs(params)	通用零膨胀模型的观测值的对数似然。
pdf(X)	模型的概率密度（质量）函数。
predict(params[, exog, exog_infl, exposure, ...])	预测给定外生变量时的预期响应或其他统计量。
score(params)	模型的得分向量。
score_obs(参数)	通用零膨胀模型得分（梯度）向量的对数似然

属性

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