statsmodels.duration.hazard_regression.PHRegResults¶

class statsmodels.duration.hazard_regression.PHRegResults(model, params, cov_params, scale=1.0, covariance_type='naive')[source]¶

包含拟合Cox比例风险生存模型结果的类。

PHregResults 继承自 statsmodels.LikelihoodModelResults

Parameters:¶

See statsmodels.LikelihoodModelResults

Attributes:¶

modelclass instance

调用fit的PHreg模型实例。

normalized_cov_paramsndarray

查看特定模型类的文档字符串

paramsndarray

拟合模型的系数。每个系数是对应于单个协变量中1单位差异的对数风险比，同时保持其他协变量不变。

bsendarray

拟合参数的标准误差。

另请参阅

statsmodels.LikelihoodModelResults

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_distribution()	返回一个与每个案例的未删失因变量（持续时间）值的分布相对应的scipy分布对象。
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([endog, exog, strata, offset, ...])	返回比例风险回归模型的预测值。
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。
summary([yname, xname, title, alpha])	总结比例风险回归结果。
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

baseline_cumulative_hazard	一个列表（对应于分层），包含在事件点处评估的基线累积危险函数。
baseline_cumulative_hazard_function	一个列表（对应于分层），包含计算累积危险函数的函数对象。
bse	返回参数估计的标准误差。
llf	模型对数似然
martingale_residuals	马丁格尔残差。
pvalues	参数t统计量的双尾p值。
schoenfeld_residuals	包含Schoenfeld残差的矩阵。
score_residuals	包含分数残差的矩阵。
standard_errors	返回参数估计的标准误差。
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。
weighted_covariate_averages	每个事件时间点在风险集内的平均协变量值，按危险加权。