statsmodels.multivariate.multivariate_ols._MultivariateOLSResults.mv_test¶

_MultivariateOLSResults.mv_test(hypotheses=None, skip_intercept_test=False)[source]¶

线性假设检验

Parameters:¶

hypotheseslist[tuple]

Hypothesis `L*B*M = C` to be tested where B is the parameters in

regression Y = X*B. Each element is a tuple of length 2, 3, or 4:

• (名称, contrast_L)

• (名称, contrast_L, transform_M)

• (名称, contrast_L, transform_M, constant_C)

containing a string `name`, the contrast matrix L, the transform

matrix M (for transforming dependent variables), and right-hand side

constant matrix constant_C, respectively.

contrast_L2D array or an array of strings

假设检验的左侧对比矩阵。 如果是二维数组，每一行是一个假设，每一列是一个自变量。至少需要1行（1乘以k_exog，即自变量的数量）。 如果是一个字符串数组，它将被传递给patsy.DesignInfo().linear_constraint。

transform_M2D array or an array of strings or None, optional

左侧变换矩阵。 如果为None或省略，则设置为k_endog x k_endog的单位矩阵（即不对y矩阵进行变换）。 如果是一个字符串数组，它将被传递给patsy.DesignInfo().linear_constraint。

constant_C2D array or None, optional

右侧常数矩阵。 如果为None或省略，则设置为零矩阵 必须与contrast_L具有相同的行数，并与transform_M具有相同的列数

If `hypotheses` is None: 1) the effect of each independent variable

on the dependent variables will be tested. Or 2) if model is created

using a formula, `hypotheses` will be created according to

`design_info`. 1) and 2) is equivalent if no additional variables

are created by the formula (e.g. dummy variables for categorical

variables and interaction terms)

skip_intercept_testbool

如果为真，则跳过对截距的测试，模型不会改变。 注意：如果某个项具有数值上不显著的影响，则可能会因为空数组而引发异常。如果数据已经被去均值化，这种情况可能会发生在截距上。

Returns:¶

results: _MultivariateOLSResults

注释

测试形式为的假设

L * params * M = C

其中 params 是线性模型 y = x * params 的回归系数矩阵，L 是对照矩阵，M 是因变量变换矩阵，C 是常数矩阵。