statsmodels.gam.generalized_加性_模型.GLMGamResults¶

class statsmodels.gam.generalized_additive_model.GLMGamResults(model, params, normalized_cov_params, scale, **kwds)[source]¶

广义加性模型（GAM）的结果类。

这继承自 GLMResults。

警告：某些继承的方法可能无法正确考虑惩罚项

GLMGamResults 继承自 GLMResults 所有与对数似然函数相关的方法都返回惩罚后的值。

Attributes:¶

edf

设计矩阵中每一列的有效自由度的列表。

hat_matrix_diag

帽子矩阵的对角线

gcv

广义交叉验证准则计算为 gcv = scale / (1. - hat_matrix_trace / self.nobs)**2

cv

交叉验证标准计算为 cv = ((resid_pearson / (1 - hat_matrix_diag))**2).sum() / nobs

注释

状态: 实验性

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([exog, exposure, offset, ...])	返回预测分布的一个实例。
get_hat_matrix_diag([observed, _axis])	计算帽子矩阵的对角线
get_influence([observed])	获取具有影响和异常值度量的GLMInfluence实例
get_margeff([at, method, atexog, dummy, count])	获取拟合模型的边际效应。
get_prediction([exog, exog_smooth, transform])	计算预测结果
info_criteria(crit[, scale, 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。
llf_scaled([scale])	返回在给定尺度下的对数似然值，如果提供的尺度为None，则使用估计的尺度。
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
partial_values(smooth_index[, include_constant])	平滑项对线性预测的贡献
plot_added_variable(focus_exog[, ...])	为拟合的回归模型创建一个附加变量图。
plot_ceres_residuals(focus_exog[, frac, ...])	条件期望部分残差（CERES）图。
plot_partial(smooth_index[, plot_se, cpr, ...])	绘制平滑项对线性预测的贡献
plot_partial_residuals(focus_exog[, ax])	创建一个偏残差图，或称“成分加残差”图，用于拟合的回归模型。
predict([exog, exog_smooth, transform])	"
pseudo_rsquared([kind])	伪R平方
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
summary([yname, xname, title, alpha])	总结回归结果
summary2([yname, xname, title, alpha, ...])	回归结果的实验总结
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。
test_significance(smooth_index)	假设检验平滑分量为零。
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 -2 * llf + 2 * (df_model + 1)
bic	贝叶斯信息准则
bic_deviance	贝叶斯信息准则
bic_llf	贝叶斯信息准则
bse	参数估计的标准误差。
cv
deviance	请参阅 statsmodels.families.family 了解特定分布的偏差函数。
edf
fittedvalues	估计的平均响应。
gcv
hat_matrix_diag
hat_matrix_trace
llf	对数似然函数在参数处的值。
llnull	仅使用常数作为唯一回归量的模型拟合的对数似然
mu	查看GLM文档字符串。
null	零模型的拟合值
null_deviance	仅以常数作为回归变量的模型拟合的偏差函数值。
pearson_chi2	皮尔逊卡方统计量定义为皮尔逊残差的平方和。
pvalues	参数t统计量的双尾p值。
resid_anscombe	Anscombe残差。
resid_anscombe_scaled	缩放后的Anscombe残差。
resid_anscombe_unscaled	未缩放的Anscombe残差。
resid_deviance	偏差残差。
resid_pearson	皮尔逊残差。
resid_response	响应残差。
resid_working	工作残差。
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。