statsmodels.stats.sandwich_covariance.cov_hac¶

statsmodels.stats.sandwich_covariance.cov_hac(results, nlags=None, weights_func=<function weights_bartlett>, use_correction=True)¶

异方差性和自相关稳健协方差矩阵（Newey-West）

假设我们有一个单一的时间序列，其零轴连续且时间周期相等且间隔均匀

Parameters:¶

resultsresult instance

回归结果，使用 results.model.exog 和 results.resid TODO: 这应该使用 wexog 代替

nlagsint or None

在核窗口中包含的最高滞后。如果为 None，则使用 nlags = floor[4(T/100)^(2/9)]。

weights_funccallable

weights_func 以 nlags 为参数调用以获取核权重。默认使用 Bartlett 权重

Returns:¶

covndarray, (k_vars, k_vars)

参数估计的HAC稳健协方差矩阵

注释

仅在 nlags=0 时验证，这只是 White 只是猜测修正因子，需要参考

当除了Bartlett之外的其他核函数可用时，选项可能会发生变化。