statsmodels.discrete.discrete_model.MNLogit¶

class statsmodels.discrete.discrete_model.MNLogit(endog, exog, check_rank=True, **kwargs)[source]¶

多项逻辑回归模型

Parameters:¶

endogarray_like

endog 是一个内生响应的一维向量。endog 可以包含字符串、整数或浮点数，或者可能是一个 pandas 分类系列。请注意，如果它包含字符串，每个不同的字符串都将是一个类别。不会去除空格。

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。

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’。

check_rankbool

检查外生变量的秩以确定模型的自由度。默认为 True。设置为 False 可以减少当 exog.shape[1] 较大时模型的初始化时间。

Attributes:¶

endogndarray

对内生响应变量的引用

exogndarray

对外生设计的引用。

Jfloat

内生变量的选择数量。请注意，这是从零开始索引的。

Kfloat

外生设计的实际参数数量。如果设计中包含常数项，则也包括常数项。

namesdict

一个字典，将wendog中的列号映射到endog中的变量。

wendogndarray

一个 n x j 的数组，其中 j 是 endog 中唯一类别的数量。 每一列 j 是一个虚拟变量，表示每个观测值的类别。参见 names 以获取一个字典，该字典将每一列映射到其类别。

注释

有关MNLogit内部结构的更多信息，请参阅开发者笔记。

方法

cdf(X)	多项式逻辑回归累积分布函数。
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_constrained(约束[, 初始参数])	fit_constraint 返回一个结果实例
fit_regularized([start_params, method, ...])	使用正则化的最大似然法拟合模型。
from_formula(formula, data[, subset, drop_cols])	从公式和数据框创建模型。
get_distribution(params[, exog, offset])	获取分布的冻结实例
hessian(params)	多项式逻辑回归的对数似然函数的Hessian矩阵
information(params)	模型的费舍尔信息矩阵。
initialize()	预处理 MNLogit 的数据。
loglike(params)	多项逻辑回归模型的对数似然值。
loglike_and_score(参数)	返回对数似然和得分，高效地重复利用计算结果。
loglikeobs(params)	多项式logit模型对每个观测值的对数似然值。
pdf(eXB)	未实现
predict(params[, exog, which, linear])	预测给定外生变量的模型的响应变量。
score(参数)	多项逻辑回归模型对数似然的得分矩阵
score_obs(params)	多项式logit模型的对数似然函数的雅可比矩阵

属性

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