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?
最佳答案
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
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。
关于python - statsmodels:用于生成分位数回归系数置信区间的方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28197813/