statsmodels.stats.diagnostic.compare_encompassing¶

statsmodels.stats.diagnostic.compare_encompassing(results_x, results_z, cov_type='nonrobust', cov_kwargs=None)[source]¶

Davidson-MacKinnon 包含测试用于比较非嵌套模型

Parameters:¶

results_xResult instance

第一个模型的结果实例

results_zResult instance

第二个模型的结果实例

cov_typestr, default “nonrobust

协方差类型。默认是“nonrobust”，使用经典的OLS协方差估计量。指定“HC0”、“HC1”、“HC2”、“HC3”之一以使用White的协方差估计量。所有由OLS.fit支持的协方差类型都被接受。

cov_kwargsdict, default None

传递给 OLS.fit 的协方差选项字典。更多详情请参见 OLS.fit。

Returns:¶

DataFrame

一个包含两行四列的DataFrame。标记为x的行包含结果，表明模型results_x等同于包含模型。标记为z的行对应于测试，表明模型results_z等同于包含模型。列分别是检验统计量、其p值以及分子和分母的自由度。检验统计量服从F分布。分子自由度是包含模型中不在x或z模型中的变量数量。分母自由度是观测值数量减去嵌套模型中的变量数量。

注释

原假设是使用x生成的拟合与使用x和z生成的拟合相同。当测试x是否被包含时，估计的模型是

\[Y = X\beta + Z_1\gamma + \epsilon\]

其中 \(Z_1\) 是 \(Z\) 中不被 \(X\) 覆盖的列。原假设是 \(H_0:\gamma=0\)。当测试 z 是否被包含时，\(X\) 和 \(Z\) 的角色互换。

实现 Davidson 和 MacKinnon (1993) 的包容性检验。 执行两个 Wald 检验，其中模型 x 和 z 与一个包含这两个模型的模型进行比较。Wald 检验通过使用 OLS 回归来执行。