statsmodels.regression.linear_model.OLSResults.conf_int_el¶

OLSResults.conf_int_el(param_num, sig=0.05, upper_bound=None, lower_bound=None, method='nm', stochastic_exog=True)[source]¶

使用经验似然计算置信区间。

Parameters:¶

param_numfloat

所需的置信区间参数。

sigfloat

显著性水平。默认值为0.05。

upper_boundfloat

上限的最大值。默认值是在OLS假设下的99.9%置信值。

lower_boundfloat

下限可以设置的最小值。默认值是在OLS假设下的99.9%置信值。

methodstr

可以是‘nm’表示Nelder-Mead或‘powell’表示Powell。 优化方法，用于优化过扰参数。 默认值是‘nm’。

stochastic_exogbool

当为True时，外生变量被假设为随机变量。 当回归变量是非随机时，矩条件被置于外生变量上。 随机回归变量的置信区间至少与非随机回归变量一样大。 默认值为True。

Returns:¶

lowerlfloat

置信区间的下限。

upperlfloat

置信区间的上限。

另请参阅

el_test

使用经验似然检验参数。

注释

此函数使用 brentq 来找到 beta 的值，使得 test_beta([beta], param_num)[1] 等于临界值。

该函数返回在每个beta值处brentq每次迭代的结果。

最后一次打印的优化的当前函数值应该是所需显著性水平下的临界值。对于alpha=.05，值为3.841459。

为了确保优化成功终止，建议执行 el_test([lower_limit], [param_num])。

如果优化未能成功终止，请考虑切换优化算法。

如果优化仍然不成功，尝试更改start_int_params的值。如果当前函数值反复从0和临界值之间的数字跳到一个非常大的数字（>50），则需要更改内部最小化的起始参数。