statsmodels.discrete.truncated_model.HurdleCountModel¶

class statsmodels.discrete.truncated_model.HurdleCountModel(endog, exog, offset=None, dist='poisson', zerodist='poisson', p=2, pzero=2, exposure=None, missing='none', **kwargs)[source]¶

计数数据的障碍模型

在版本0.14.0中添加。

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。

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。

Attributes:¶

endogarray

对内生响应变量的引用

exogarray

对外生设计的引用。

diststr

计数模型族的对数似然类型。‘poisson’ 或 ‘negbin’

zerodiststr

零障碍模型族的对数似然类型。‘poisson’, ‘negbin’

pscalar

定义计数模型的参数化。 在 dist='negbin' 时使用。

pzeroscalar

定义参数化参数零障碍模型族。 用于当zerodist=’negbin’时。

注释

在负二项零模型中，如果预测均值是常数，则参数无法识别。如果预测均值没有或只有很少的变化，那么可能会导致收敛失败，Hessian矩阵可能无法求逆，或者参数估计的标准误差会很大。

参考文献

尚未

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’。

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。
hessian(params)	模型的海森矩阵。
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Hurdle模型的对数似然值
pdf(X)	模型的概率密度（质量）函数。
predict(params[, exog, exposure, offset, ...])	根据外生变量预测响应变量或其他统计量。
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。