statsmodels.regression.quantile_regression.QuantReg¶
- class statsmodels.regression.quantile_regression.QuantReg(endog, exog, **kwargs)[source]¶
分位数回归
使用迭代加权最小二乘法估计分位数回归模型。
- Parameters:¶
- Attributes:¶
df_model模型的自由度。
df_resid残余自由度。
endog_names内生变量的名称。
exog_names外生变量的名称。
注释
最小绝对偏差（LAD）估计器是分位数设置为0.5（fit方法的q参数）的特例。
渐近协方差矩阵是根据Greene（2008年，第407-408页）中的程序估计的，使用逻辑或高斯核（fit方法的kernel参数）。
参考文献
一般：
Birkes, D. 和 Y. Dodge(1993)。回归的替代方法，John Wiley and Sons。
格林，W. H. (2008)。计量经济学分析。第六版。国际学生版。
Koenker, R. (2005)。分位数回归。纽约：剑桥大学出版社。
LeSage, J. P.(1999). 应用计量经济学使用MATLAB,
核函数（由fit方法使用）：
Green (2008) 表 14.2
带宽选择（用于拟合方法）：
Bofinger, E. (1975). 使用顺序统计量估计密度函数。澳大利亚统计杂志 17: 1-17。
张伯伦，G. (1994)。分位数回归、删失与工资结构。载于《计量经济学进展，第1卷：第六届世界大会》，编辑C. A. 西姆斯，171-209。剑桥：剑桥大学出版社。
霍尔，P.，和S. 希瑟。（1988）。关于学生化分位数的分布。皇家统计学会杂志，B辑 50: 381-391。
关键词：最小绝对偏差回归（LAD）、分位数回归、回归、稳健估计。
方法
fit([q, vcov, kernel, bandwidth, max_iter, ...])通过迭代加权最小二乘法求解
from_formula(formula, data[, subset, drop_cols])从公式和数据框创建模型。
get_distribution(params, scale[, exog, ...])构建预测分布的随机数生成器。
hessian(params)模型的海森矩阵。
information(params)模型的费舍尔信息矩阵。
初始化模型组件。
loglike(params)模型的对数似然值。
predict(params[, exog])从设计矩阵返回线性预测值。
score(params)模型的得分向量。
whiten(数据)QuantReg 模型白化器不做任何处理：返回数据。
属性
模型的自由度。
残余自由度。
内生变量的名称。
外生变量的名称。