statsmodels.tsa.exponential_smoothing.ets.ETSResults¶
- class statsmodels.tsa.exponential_smoothing.ets.ETSResults(model, params, results)[source]¶
来自误差、趋势、季节性（ETS）指数平滑模型的结果
- Attributes:¶
- 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。
- cov_params_approx
(数组) 方差/协方差矩阵。通过复步法或有限差分法近似数值Hessian计算得出。
- df_resid
- fittedvalues
- hqic
(浮点数) Hannan-Quinn 信息准则
- llf
在拟合参数处评估的对数似然函数
- mae
(float) 平均绝对误差
- mse
(浮点数) 均方误差
- nobs_effective
- pvalues
(数组) 与系数z统计量相关的p值。请注意，假设系数具有正态分布。
- resid
- sse
(浮点数) 误差平方和
- 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。
- zvalues
(数组) 系数的z统计量。
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。
forecast([steps])样本外预测
get_prediction([start, end, dynamic, index, ...])计算平均预测值和预测区间。
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
查看特定模型类的文档字符串
predict([start, end, dynamic, index])样本内预测和样本外预测
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[, anchor, ...])使用状态空间公式的随机模拟。
summary([alpha, start])总结拟合的模型
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(method[, ...])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(方法[, 滞后])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
(浮点数) 赤池信息量准则
(浮点数) 小样本校正的赤池信息量准则
(浮点数) 贝叶斯信息准则
参数估计的标准误差。
(数组) 方差/协方差矩阵。
(浮点数) Hannan-Quinn 信息准则
在拟合参数处评估的对数似然函数
(float) 平均绝对误差
(浮点数) 均方误差
(数组) 与系数 z 统计量相关的 p 值。
(浮点数) 误差平方和
返回给定参数估计的t统计量。
指示在推理中使用学生分布的标志。
(数组) 系数的z统计量。