statsmodels.robust.robust_linear_model.RLMResults¶

class statsmodels.robust.robust_linear_model.RLMResults(model, params, normalized_cov_params, scale)[source]¶

包含RLM结果的类

Attributes:¶

bcov_scaledndarray

p x p 缩放协方差矩阵，在模型拟合方法中指定。 默认值为 H1。H1 定义为 k**2 * (1/df_resid*sum(M.psi(sresid)**2)*scale**2)/ ((1/nobs*sum(M.psi_deriv(sresid)))**2) * (X.T X)^(-1)

其中 k = 1 + (df_model +1)/nobs * var_psiprime/m**2 其中 m = mean(M.psi_deriv(sresid)) 和 var_psiprime = var(M.psi_deriv(sresid))

H2 定义为 k * (1/df_resid) * sum(M.psi(sresid)**2) *scale**2/ ((1/nobs)*sum(M.psi_deriv(sresid)))*W_inv

H3 定义为 1/k * (1/df_resid * sum(M.psi(sresid)**2)*scale**2 * (W_inv X.T X W_inv))

其中 k 如上定义，且 W_inv = (M.psi_deriv(sresid) exog.T exog)^(-1)

查看技术文档以获取更简洁的公式。

bcov_unscaledndarray

通常的 p x p 协方差矩阵，其尺度设置为 1。此时它等同于 normalized_cov_params。

bsendarray

参数的标准误差数组。标准误差取自拟合参数中指定的稳健协方差矩阵。

chisqndarray

参数估计的卡方值数组。

df_model

查看 RLM.df_model

df_resid

查看 RLM.df_resid

fit_historydict

包含有关迭代的信息。其键为偏差、参数、迭代次数以及在RLM.fit中指定的收敛标准（如果不同于偏差或参数）。

fit_optionsdict

包含传递给fit的选项。

fittedvaluesndarray

线性预测值。dot(exog, params)

modelstatsmodels.rlm.RLM

对模型实例的引用

nobsfloat

观测值的数量 n

normalized_cov_paramsndarray

查看特定模型类的文档字符串

paramsndarray

拟合模型的系数

pinv_wexogndarray

请参阅 RLM.pinv_wexog

pvaluesndarray

与t值相关的p值。请注意，t值被假设为标准正态分布，而不是学生t分布。

residndarray

拟合模型的残差。endog - fittedvalues

scalefloat

比例尺的类型是在RLM的fit方法的参数中确定的。如果update_scale为True，则报告的比例尺取自最后一次IRLS迭代中加权最小二乘法的残差。如果update_scale为False，则它是IRLS迭代之前第一次OLS拟合给出的比例尺。

sresidndarray

缩放后的残差。

tvaluesndarray

参数的“t统计量”。这些定义为 params/bse，其中 bse 取自 fit 参数中指定的稳健协方差矩阵。

weightsndarray

报告的权重是通过将IRLS算法中最后一次加权最小二乘拟合的缩放残差传递来确定的。

另请参阅

statsmodels.base.model.LikelihoodModelResults

方法

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。
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。
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, title, alpha, return_fmt])	这是用于测试新的摘要设置
summary2([xname, yname, title, alpha, ...])	回归结果的实验性汇总函数
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。
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

bcov_scaled
bcov_unscaled
bse
chisq
fittedvalues
llf	模型对数似然
pvalues
resid
sresid
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。
weights