statsmodels.regression.mixed_linear_model.MixedLMResults¶

class statsmodels.regression.mixed_linear_model.MixedLMResults(model, params, cov_params)[source]¶

包含拟合线性混合效应模型结果的类。

MixedLMResults 继承自 statsmodels.LikelihoodModelResults

Parameters:¶

See statsmodels.LikelihoodModelResults

Attributes:¶

modelclass instance

指向调用 fit 的 MixedLM 模型实例的指针。

normalized_cov_paramsndarray

查看特定模型类的文档字符串

paramsndarray

用于配置文件参数化的打包参数向量。 前k_fe个元素是估计的固定效应系数。 其余的元素是估计的方差参数。这些方差参数都除以scale，并不是摘要中显示的方差参数。

fe_paramsndarray

拟合的固定效应系数

cov_rendarray

拟合的随机效应协方差矩阵

bse_fendarray

拟合固定效应系数的标准误差

bse_rendarray

拟合随机效应协方差矩阵和方差分量的标准误差。前k_re * (k_re + 1)个参数是cov_re下三角部分的标准误差，其余元素是方差分量的标准误差。

另请参阅

statsmodels.LikelihoodModelResults

方法

bootstrap([nrep, method, disp, store])	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_nlfun(fun)	此功能尚未实现
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。
profile_re(re_ix, vtype[, num_low, ...])	方差参数的轮廓似然推断。
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。
summary([yname, xname_fe, xname_re, title, ...])	总结混合模型回归结果。
t_test(r_matrix[, 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。
bse_fe	返回固定效应回归系数的标准误差。
bse_re	返回方差参数的标准误差。
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
fittedvalues	返回模型的拟合值。
hessv	缓存的似然对数的Hessian矩阵
llf
pvalues	参数t统计量的双尾p值。
random_effects	给定数据的条件随机效应均值。
random_effects_cov	返回给定数据下每个组的随机效应的条件协方差矩阵。
resid	返回模型的残差。
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。