statsmodels.regression.recursive_ls.递归最小二乘法¶

class statsmodels.regression.recursive_ls.RecursiveLS(endog, exog, constraints=None, **kwargs)[source]¶

递归最小二乘法

Parameters:¶

endogarray_like

观察到的时间序列过程 \(y\)

exogarray_like

外生回归变量的数组，形状为 nobs x k。

constraintsarray_like, str, or tuple

• array : 一个 r x k 的数组，其中 r 是待检验的限制数量，k 是回归量的数量。假设线性组合等于零。

• str : 完整的假设可以通过字符串给出。 请参阅示例。

• tuple : 一个以 (R, q) 形式表示的数组元组，q 可以是标量或长度为 p 的行向量。

Attributes:¶

endog_names

内生变量的名称。

exog_names

外生变量的名称。

initial_variance

initialization

loglikelihood_burn

param_names

(list of str) 人类可读的参数名称列表（用于参数）

start_params

(数组) 最大似然估计的初始参数。

state_names

(list of str) 未观测状态的可读名称列表。

tolerance

注释

递归最小二乘法（RLS）对应于扩展窗口普通最小二乘法（OLS）。

该模型应用卡尔曼滤波器来计算系数的递归估计和递归残差。

参考文献

方法

clone(endog[, exog])	克隆状态空间模型并使用新数据，可选择新的规格
filter([return_ssm])	卡尔曼滤波
fit()	通过应用卡尔曼滤波器拟合模型
fit_constrained(约束[, start_params])	使用一些受等式约束的参数拟合模型。
fix_params(params)	将参数固定为特定值（上下文管理器）
from_formula(公式, 数据[, 子集, ...])	状态空间模型未实现
handle_params(params[, transformed, ...])	确保模型参数满足形状和其他要求
hessian(params, *args, **kwargs)	似然函数的Hessian矩阵，在给定参数处求值
impulse_responses(参数[, 步数, 脉冲, ...])	脉冲响应函数
information(params)	模型的费舍尔信息矩阵。
initialize()	初始化（可能重新初始化）一个模型实例。
initialize_approximate_diffuse([variance])	初始化近似漫反射
initialize_known(初始状态, ...)	初始化已知
initialize_statespace(**kwargs)	初始化状态空间表示
initialize_stationary()	初始化静止状态
loglike(params, *args, **kwargs)	对数似然评估
loglikeobs(params[, transformed, ...])	对数似然评估
observed_information_matrix(params[, ...])	观测信息矩阵
opg_information_matrix(params[, ...])	梯度信息矩阵的外积
predict(params[, exog])	模型拟合后，predict 返回拟合值。
prepare_data()	准备用于状态空间表示的数据
score(params, *args, **kwargs)	在参数处计算得分函数。
score_obs(params[, method, transformed, ...])	计算每个观测值的得分，在参数处进行评估
set_conserve_memory([conserve_memory])	设置内存保护方法
set_filter_method([filter_method])	设置过滤方法
set_inversion_method([inversion_method])	设置反演方法
set_smoother_output([smoother_output])	设置平滑输出
set_stability_method([stability_method])	设置数值稳定性方法
simulate(params, nsimulations[, ...])	模拟一个遵循状态空间模型的新时间序列
simulation_smoother([simulation_output])	获取状态空间模型的模拟平滑器。
smooth([return_ssm])	卡尔曼平滑
transform_jacobian(未约束[, ...])	参数变换函数的雅可比矩阵
transform_params(无约束)	将优化器使用的无约束参数转换为似然评估中使用的约束参数
untransform_params(constrained)	将似然评估中使用的约束参数转换为优化器使用的无约束参数
update(params, **kwargs)	更新模型的参数

属性

endog_names	内生变量的名称。
exog_names	外生变量的名称。
初始方差
初始化
loglikelihood_burn
param_names	(list of str) 人类可读的参数名称列表（适用于模型中实际包含的参数）。
start_params	(数组) 最大似然估计的初始参数。
state_names	(list of str) 未观测状态的可读名称列表。
tolerance