statsmodels.regression.recursive_ls.RecursiveLSResults¶

class statsmodels.regression.recursive_ls.RecursiveLSResults(model, params, filter_results, cov_type='opg', **kwargs)[source]¶

用于保存递归最小二乘模型拟合结果的类。

Parameters:¶

modelRecursiveLS instance

拟合的模型实例

Attributes:¶

specificationdictionary

包含递归最小二乘模型实例的所有属性的字典。

另请参阅

statsmodels.tsa.statespace.kalman_filter.FilterResults

statsmodels.tsa.statespace.mlemodel.MLEResults

方法

append(endog[, exog, refit, fit_kwargs, ...])	使用新数据附加到原始数据来重新创建结果对象
apply(endog[, exog, refit, fit_kwargs, ...])	将拟合的参数应用于与原始数据无关的新数据
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。
extend(endog[, exog, fit_kwargs])	为扩展原始数据的新数据重新创建结果对象
f_test(r_matrix[, cov_p, invcov])	计算联合线性假设的F检验。
forecast([steps, signal_only])	样本外预测
get_forecast([steps, signal_only])	样本外预测和预测区间
get_prediction([开始, 结束, 动态, ...])	样本内预测和样本外预测
get_smoothed_decomposition([...])	将平滑输出分解为来自观测值的贡献
impulse_responses([步数, 脉冲, ...])	脉冲响应函数
info_criteria(准则[, 方法])	信息准则
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
news(comparison[, impact_date, ...])	计算更新数据（新闻和修订）的影响
normalized_cov_params()	查看特定模型类的文档字符串
plot_cusum([alpha, legend_loc, fig, figsize])	绘制CUSUM统计量和显著性边界。
plot_cusum_squares([alpha, legend_loc, fig, ...])	绘制平方和统计量的CUSUM及其显著性边界。
plot_diagnostics([variable, lags, fig, ...])	一个内生变量的标准化残差的诊断图
plot_recursive_coefficient([variables, ...])	绘制给定变量的递归估计系数
predict([start, end, dynamic, ...])	样本内预测和样本外预测
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。
simulate(nsimulations[, measurement_shocks, ...])	模拟一个遵循状态空间模型的新时间序列
summary([alpha, start, title, model_name, ...])	总结模型
t_test(r_matrix[, cov_p, 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。
test_heteroskedasticity(方法[, ...])	标准化残差的异方差性检验
test_normality(方法)	标准化残差的正态性检验。
test_serial_correlation(method[, df_adjust, ...])	Ljung-Box 检验标准化残差无序列相关性
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	(浮点数) 赤池信息量准则
aicc	(浮点数) 小样本校正的赤池信息量准则
bic	(浮点数) 贝叶斯信息准则
bse	参数估计的标准误差。
centered_tss	居中的tss
cov_params_approx	(数组) 方差/协方差矩阵。
cov_params_oim	(数组) 方差/协方差矩阵。
cov_params_opg	(数组) 方差/协方差矩阵。
cov_params_robust	(数组) QMLE 方差/协方差矩阵。
cov_params_robust_approx	(数组) QMLE 方差/协方差矩阵。
cov_params_robust_oim	(数组) QMLE 方差/协方差矩阵。
cusum	标准化递归残差统计量的累积和
cusum_squares	标准化递归残差平方的累积和统计量
ess
fittedvalues	(数组) 模型的预测值。
hqic	(浮点数) Hannan-Quinn 信息准则
llf	(浮点数) 对数似然函数在params处的值。
llf_obs	(浮点数) 对数似然函数在params处的值。
llf_recursive	(float) 由递归残差定义的对数似然，等价于OLS
llf_recursive_obs	(浮点数) 观测值的对数似然值，通过递归残差计算得出
loglikelihood_burn	(浮点数) 在似然未被评估的期间内的观察次数。
mae	(float) 平均绝对误差
mse	(浮点数) 均方误差
mse_model
mse_resid
mse_total
pvalues	(数组) 与系数 z 统计量相关的 p 值。
recursive_coefficients	回归系数的估计值，递归估计
resid	(数组) 模型的残差。
resid_recursive	递归残差
rsquared
sse	(浮点数) 误差平方和
ssr
states
tvalues	返回给定参数估计的t统计量。
uncentered_tss	未居中的tss
use_t	指示在推理中使用学生分布的标志。
zvalues	(数组) 系数的z统计量。