statsmodels.miscmodels.count.PoissonZiGMLE¶

class statsmodels.miscmodels.count.PoissonZiGMLE(endog, exog=None, offset=None, missing='none', **kwds)[source]¶

泊松模型的最大似然估计

这是一个通用MLE的示例，它具有与discretemod.Poisson相同的统计模型，但增加了偏移量和零膨胀。

除了定义负对数似然方法外，所有方法和结果都是通用的。梯度和海森矩阵以及所有由此产生的统计数据都是基于数值微分的。

如果没有零膨胀，就会出现数值问题。

Attributes:¶

endog_names

内生变量的名称。

exog_names

外生变量的名称。

方法

expandparams(params)	当某些参数固定时，扩展为完整的参数数组
fit([start_params, method, maxiter, ...])	基于似然模型的拟合方法
from_formula(formula, data[, subset, drop_cols])	从公式和数据框创建模型。
hessian(params)	在参数处评估的对数似然函数的Hessian矩阵
hessian_factor(参数[, 缩放, 观察到的])	计算Hessian的权重
information(参数)	模型的费舍尔信息矩阵。
initialize()	初始化（可能重新初始化）一个模型实例。
loglike(params)	模型在参数处的对数似然值
loglikeobs(params)	模型在参数下所有观测值的对数似然值。
nloglike(params)	模型在参数处的负对数似然
nloglikeobs(参数)	泊松模型的对数似然
predict(params[, exog])	模型拟合后，predict 返回拟合值。
reduceparams(params)	减少参数
score(params)	在参数处评估的对数似然梯度
score_obs(params, **kwds)	在每个观测值的参数处评估的对数似然函数的雅可比矩阵/梯度。

属性

endog_names	内生变量的名称。
exog_names	外生变量的名称。