广义线性混合效应模型¶

广义线性混合效应（GLIMMIX）模型是广义线性模型，在线性预测器中包含随机效应。 statsmodels目前支持使用两种贝叶斯方法估计二项分布和泊松分布的GLIMMIX模型：拉普拉斯近似后验分布，以及变分贝叶斯近似后验分布。两种方法都提供点估计（后验均值）和不确定性评估（后验标准差）。

当前的实现仅支持独立的随机效应。

技术文档¶

与 statsmodels 混合线性模型不同，GLIMMIX 实现不是基于组的。组是通过将所有随机效应与分类变量交互来创建的。请注意，这会创建大型的稀疏随机效应设计矩阵 exog_vc。在内部，exog_vc 被转换为 scipy 稀疏矩阵。当直接将参数传递给类初始化器时，可以传递稀疏矩阵。当使用公式时，会创建一个密集矩阵，然后将其转换为稀疏矩阵。对于非常大的问题，由于这个密集中间矩阵的大小，使用公式可能不可行。

参考文献¶

Blei, Kucukelbir, McAuliffe (2017). 变分推断：统计学家综述 https://arxiv.org/pdf/1601.00670.pdf

模块参考¶

模型类包括：

结果类是：