statsmodels.tsa.statespace.mlemodel.MLEResults¶

class statsmodels.tsa.statespace.mlemodel.MLEResults(model, params, results, cov_type=None, cov_kwds=None, **kwargs)[source]¶

用于保存状态空间模型拟合结果的类。

Parameters:¶

modelMLEModel instance

拟合的模型实例

paramsndarray

拟合参数

filter_resultsKalmanFilter instance

底层状态空间模型和卡尔曼滤波器输出

Attributes:¶

modelModel instance

对拟合模型的引用。

filter_resultsKalmanFilter instance

底层状态空间模型和卡尔曼滤波器输出

nobsfloat

用于拟合模型的观测数量。

paramsndarray

模型的参数。

scalefloat

目前设置为1.0，除非模型使用集中过滤。

另请参阅

MLEModel

statsmodels.tsa.statespace.kalman_filter.FilterResults

statsmodels.tsa.statespace.representation.FrozenRepresentation

方法

append(endog[, exog, refit, fit_kwargs, ...])	使用新数据附加到原始数据来重新创建结果对象
apply(endog[, exog, refit, fit_kwargs, ...])	将拟合的参数应用于与原始数据无关的新数据
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。
extend(endog[, exog, fit_kwargs])	为扩展原始数据的新数据重新创建结果对象
f_test(r_matrix[, cov_p, invcov])	计算联合线性假设的F检验。
forecast([steps, signal_only])	样本外预测
get_forecast([steps, signal_only])	样本外预测和预测区间
get_prediction([start, end, dynamic, ...])	样本内预测和样本外预测
get_smoothed_decomposition([...])	将平滑输出分解为来自观测值的贡献
impulse_responses([步数, 脉冲, ...])	脉冲响应函数
info_criteria(准则[, 方法])	信息准则
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
news(comparison[, impact_date, ...])	计算更新数据（新闻和修订）的影响
normalized_cov_params()	查看特定模型类的文档字符串
plot_diagnostics([variable, lags, fig, ...])	一个内生变量的标准化残差的诊断图
predict([start, end, dynamic, ...])	样本内预测和样本外预测
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。
simulate(nsimulations[, measurement_shocks, ...])	模拟一个遵循状态空间模型的新时间序列
summary([alpha, start, title, model_name, ...])	总结模型
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(方法[, ...])	标准化残差的异方差性检验
test_normality(method)	标准化残差的正态性检验。
test_serial_correlation(方法[, df_adjust, ...])	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

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。
cov_params_oim	(数组) 方差/协方差矩阵。
cov_params_opg	(数组) 方差/协方差矩阵。
cov_params_robust	(数组) QMLE 方差/协方差矩阵。
cov_params_robust_approx	(数组) QMLE 方差/协方差矩阵。
cov_params_robust_oim	(数组) QMLE 方差/协方差矩阵。
fittedvalues	(数组) 模型的预测值。
hqic	(浮点数) Hannan-Quinn 信息准则
llf	(浮点数) 对数似然函数在params处的值。
llf_obs	(浮点数) 对数似然函数在params处的值。
loglikelihood_burn	(浮点数) 在似然未被评估的期间内的观察次数。
mae	(float) 平均绝对误差
mse	(浮点数) 均方误差
pvalues	(数组) 与系数 z 统计量相关的 p 值。
resid	(数组) 模型的残差。
sse	(浮点数) 误差平方和
states
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。