statsmodels.genmod.cov_struct.Nested¶

class statsmodels.genmod.cov_struct.Nested(cov_nearest_method='clipped')[source]¶

一个嵌套的工作依赖结构。

嵌套的工作依赖结构捕获了与案例层次结构中每个级别相关的独特方差。对于层次结构的每个级别，存在一组均值为零的独立同分布随机效应，并且方差特定于该级别。这些方差参数使用矩法从数据中估计。

层次结构的顶层始终由GEE的groups参数定义。

用于创建GEE的dep_data参数定义了层次结构的其余级别。它应该是一个数组，或者在使用公式接口时，是一个包含公式的字符串。如果是一个数组，它应该包含一个n_obs x k的标签矩阵，对应于GEE实例的顶层groups下的k个分区级别。这些子组应从左到右嵌套，因此，对于dep_data的第j列具有相同标签的两个观测值，对于所有列j’ < j也应具有相同的标签（这仅适用于由GEE的groups参数给出的同一顶层集群中的观测值）。

如果 dep_data 是一个公式，它通常应该是 0 + a + b + … 的形式，其中 a、b 等包含定义组成员身份的标签。应该包含 0 + ` 以防止创建截距。变量值被解释为组成员身份的标签，但变量不应显式编码为分类变量，即使用 `0 + a 而不是 0 + C(a)。

注释

嵌套结构的计算涉及传递给GEE的顶层组内的所有观测对。组大小较大将导致迭代速度变慢。

方法

covariance_matrix(expval, index)	返回给定数据簇的工作协方差或相关矩阵。
covariance_matrix_solve(expval, index, ...)	求解形如 covmat * soln = rhs 的矩阵方程，并返回 soln 的值，其中 covmat 是由该类表示的协方差矩阵。
initialize(model)	在首次调用更新时调用
summary()	返回一个描述依赖结构状态的摘要字符串。
update(params)	根据当前的回归系数更新关联参数值。