statsmodels.othermod.betareg.BetaResults¶

class statsmodels.othermod.betareg.BetaResults(model, mlefit)[source]¶

Beta 回归的结果类

此类继承自 GenericLikelihoodModelResults，并非所有继承的方法在此情况下都适用。

Attributes:¶

aic

赤池信息量准则

bic

贝叶斯信息准则

bse

参数估计的标准误差。

bsejac

基于covjac的参数估计的标准差

bsejhj

基于covHJH的参数估计的标准差

covjac

基于对数似然函数的雅可比矩阵外积的参数协方差

covjhj

基于HJJH的参数协方差

海森矩阵的点积，雅可比矩阵，雅可比矩阵，似然的海森矩阵

名称应为covhjh

df_modelwc

模型 WC

fitted_precision

样本内预测精度

fittedvalues

样本内预测均值，条件期望。

hessv

缓存的似然对数的Hessian矩阵

llf

模型对数似然

llnull

仅常数对数似然值

llr

似然比卡方统计量；-2*(llnull - llf)

llr_pvalue

获得大于对数似然比统计量 llr 的卡方概率。llr 具有自由度为 df_model 的卡方分布。

prsquared

Cox-Snell 似然比伪R平方。

1 - exp((llnull - .llf) * (2 / nobs))

pvalues

参数t统计量的双尾p值。

resid

响应残差

resid_pearson

皮尔逊标准化残差

score_obsv

对数似然函数的缓存雅可比矩阵

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。

方法

bootstrap(*args, **kwargs)	简单的bootstrap方法来获取估计量的均值和方差
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, exog_precision, ...])	返回预测分布的一个实例。
get_distribution_params([exog, ...])	返回从模型预测转换的分布参数。
get_influence()	获取具有影响和异常值度量的 MLEInfluence 实例
get_nlfun(fun)	此功能尚未实现
get_prediction([exog, which, transform, ...])	当端点变换有效时计算预测结果。
initialize(model, params, **kwargs)	初始化（可能重新初始化）一个 Results 实例。
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
predict([exog, transform])	调用 self.model.predict，将 self.params 作为第一个参数。
pseudo_rsquared([kind])	McFadden 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。
set_null_options([llnull, attach_results])	设置空模型（仅常数）的拟合选项。
summary([yname, xname, title, alpha])	总结回归结果
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
bic	贝叶斯信息准则
bse	参数估计的标准误差。
bsejac	基于covjac的参数估计的标准差
bsejhj	基于covHJH的参数估计的标准差
covjac	基于对数似然函数的雅可比矩阵外积的参数协方差
covjhj	基于HJJH的参数协方差
df_modelwc	模型 WC
fitted_precision	样本内预测精度
fittedvalues	样本内预测均值，条件期望。
hessv	缓存的似然对数的Hessian矩阵
llf	模型对数似然
llnull	仅常数对数似然值
llr	似然比卡方统计量；-2*(llnull - llf)
llr_pvalue	获得大于llr的对数似然比统计量的卡方概率。
prsquared	Cox-Snell 似然比伪R平方。
pvalues	参数t统计量的双尾p值。
resid	响应残差
resid_pearson	皮尔逊标准化残差
score_obsv	对数似然函数的缓存雅可比矩阵
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。