statsmodels.genmod.generalized_线性_模型.GLMResults¶

class statsmodels.genmod.generalized_linear_model.GLMResults(model, params, normalized_cov_params, scale, cov_type='nonrobust', cov_kwds=None, use_t=None)[source]¶

包含GLM结果的类。

GLMResults 继承自 statsmodels.LikelihoodModelResults

Attributes:¶

df_modelfloat

查看 GLM.df_model

df_residfloat

查看 GLM.df_resid

fit_historydict

包含有关迭代的信息。其键为迭代、偏差和参数。

modelclass instance

指向调用 fit 的 GLM 模型实例的指针。

nobsfloat

观测值的数量 n。

normalized_cov_paramsndarray

查看特定模型类的文档字符串

paramsndarray

拟合模型的系数。请注意，系数的解释通常取决于分布族和数据。

pvaluesndarray

参数的双尾p值。

scalefloat

模型拟合的尺度/离散度的估计。 参见 GLM.fit 和 GLM.estimate_scale 了解更多信息。

stand_errorsndarray

拟合GLM的标准误差。 #TODO 仍命名为bse

另请参阅

statsmodels.base.model.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([exog, exposure, offset, ...])	返回预测分布的一个实例。
get_hat_matrix_diag([observed])	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, exposure, offset, ...])	计算GLM兼容模型的预测结果。
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
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_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, transform])	调用 self.model.predict，将 self.params 作为第一个参数。
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。
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。
deviance	请参阅 statsmodels.families.family 了解特定分布的偏差函数。
fittedvalues	估计的平均响应。
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。