statsmodels.tsa.statespace.dynamic_factor_mq.DynamicFactorMQResults.append¶

DynamicFactorMQResults.append(endog, endog_quarterly=None, refit=False, fit_kwargs=None, copy_initialization=True, retain_standardization=True, **kwargs)[source]¶

使用新数据附加到原始数据来重新创建结果对象。

创建一个新的结果对象，应用于通过将新数据附加到模型原始数据的末尾而创建的数据集。然后可以使用新的结果进行分析或预测。

Parameters:¶

endogarray_like

来自建模时间序列过程的新观测值。

endog_quarterlyarray_like, optional

新的季度变量的观测值。如果提供，必须是具有DatetimeIndex或PeriodIndex的Pandas Series或DataFrame，且频率为季度。

refitbool, optional

是否根据合并后的数据重新拟合参数。默认是 False（因此使用当前结果对象的参数来创建新的结果对象）。

fit_kwargsdict, optional

传递给 fit 的关键字参数（如果 refit=True）或 filter / smooth。

copy_initializationbool, optional

是否将当前结果集的初始化复制到新模型中。默认为True。

retain_standardizationbool, optional

是否在新模型中使用当前模型用于标准化数据的均值和标准差。默认值为True。

**kwargs

关键字参数可用于在创建新模型对象时修改模型规范参数。

Returns:¶

results

更新的结果对象，包括来自原始数据集和新数据集的结果。

另请参阅

extend

apply

注释

此方法的 endog 和 exog 参数必须与传递给原始模型的 endog 和 exog 数组格式相同（例如，Pandas Series 与 Numpy 数组）。

此方法的 endog（以及适用的 endog_quarterly）参数应包含在 endog 最后一个元素之后直接发生的新观测值。对于其他类型的数据集，请参阅 apply 方法。

此方法将对所有原始数据以及新数据应用过滤。如果原始数据集很大，仅对新数据应用过滤（这样可以快得多），请参阅extend方法。