statsmodels.regression.递归_ls.递归LS结果.获取预测¶

RecursiveLSResults.get_prediction(start=None, end=None, dynamic=False, information_set='predicted', signal_only=False, index=None, **kwargs)[source]¶

样本内预测和样本外预测

Parameters:¶

startint, str, or datetime, optional

从零开始预测的观察编号，即第一个预测是开始。也可以是一个日期字符串进行解析或一个日期时间类型。默认是第零个观察值。

endint, str, or datetime, optional

结束预测的零索引观测号，即最后一个预测是结束。也可以是一个日期字符串进行解析或一个日期时间类型。然而，如果日期索引没有固定的频率，如果你想进行样本外预测，结束必须是一个整数索引。默认是样本中的最后一个观测值。

dynamicbool, int, str, or datetime, optional

相对于开始的整数偏移量，用于动态预测的开始位置。也可以是一个需要解析的绝对日期字符串或日期时间类型（这些不会被解释为偏移量）。 在此观测值之前，将使用真实的内生值进行预测；从该观测值开始并持续到预测结束，将使用预测的内生值。

information_setstr, optional

用于条件化每个预测的信息集。默认值是“predicted”，它计算基于截至周期 t-1 的观测数据的周期 t 值的预测；这些是一步预测，与典型的 fittedvalues 结果属性相对应。其他选项包括“filtered”，它计算基于截至周期 t 的观测数据的周期 t 值的预测，以及“smoothed”，它计算基于整个数据集（包括未来的观测值 t+1, t+2, …）的周期 t 值的预测。

signal_onlybool, optional

是否仅计算观测方程中“信号”分量的预测。默认值为 False。例如，时间不变模型的观测方程为 \(y_t = d + Z \alpha_t + \varepsilon_t\)，而“信号” 分量为 \(Z \alpha_t\)。如果此参数设置为 True，则将返回“信号” \(Z \alpha_t\) 的预测。 否则，默认情况下将返回 \(y_t\) 的预测。

**kwargs

超出样本末尾的预测可能需要额外的参数。更多详情请参见FilterResults.predict。

Returns:¶

predictionsPredictionResults

PredictionResults 实例包含样本内预测/样本外预测及结果，包括置信区间。

另请参阅

forecast

样本外预测。

predict

样本内预测和样本外预测。

get_forecast

样本外预测和结果，包括置信区间。