python - statsmodels:用于生成分位数回归系数置信区间的方法？

Question

我正在使用 statsmodels.formulas.api.quantreg() 在 Python 中进行分位数回归。我发现在拟合分位数回归模型时，有一个选项可以指定回归系数置信区间的显着性水平，并且置信区间结果出现在拟合摘要中。

使用什么统计方法来生成回归系数的置信区间？它似乎没有被记录下来，我已经挖掘了 quantile_regression.py 和 summary.py 的源代码，但没有找到它。有人能解释一下吗？

Answer 1

参数的推断在模型之间是相同的，并且大部分是从基类继承的。

分位数回归具有模型特定的参数协方差矩阵。 tvalues、pvalues、置信区间、t_test 和 wald_test 均基于具有给定协方差的估计参数渐近正态分布的假设，并且是“通用的”。

诸如 OLS 和 WLS 之类的线性模型以及一些其他模型(可选)可以使用 t 和 F 分布而不是正态分布和卡方分布来进行基于 Wald 检验的推理。

具体来说，conf_int 是在 statsmodels.base.models.LikelihoodModelResults

中定义的

部分更正:

QuantReg 使用 t 和 F 分布进行推理，因为它目前被视为线性回归模型，而不是作为相关 M 估计量的正态分布和卡方分布，RLM，在 statsmodels.robust 中。

大多数模型现在都有一个 use_t 选项来选择推理分布，但它尚未添加到 QuantReg 中。