मैं statsmodels.regression.linear_model.RegressionResults
की एपीआई की खुदाई कर रहे हैं और (, HC0_se
की तरह गुण के माध्यम से आदि) पाया है heteroskedasticity के विभिन्न जायके मानक त्रुटियाँ ठीक पुनः प्राप्त करने के लिए कैसे हालांकि सही है, मैं इस सटीक मानक त्रुटियों का उपयोग करने के लिए गुणांक पर टी -tests प्राप्त करने के बारे में काफी जानकारी नहीं दे सकता। क्या एपीआई में ऐसा करने का कोई तरीका है, या क्या मुझे इसे मैन्युअल रूप से करना है? यदि उत्तरार्द्ध, क्या आप आंकड़े मॉडल परिणामों के साथ ऐसा करने के तरीके पर कोई मार्गदर्शन सुझा सकते हैं?हो रही heteroskedasticity उपयोग करने के लिए statsmodels गुणांक टी परीक्षणों में मानक त्रुटियों
उत्तर
रैखिक मॉडल, अलग मॉडल और जीएलएम की fit
विधि, cov_type
और cov_kwds
मजबूत कॉन्वर्सिस मैट्रिस निर्दिष्ट करने के लिए तर्क लें। यह परिणाम उदाहरण से जुड़ा होगा और सारांश तालिका में रिपोर्ट की गई सभी अनुमान और आंकड़ों के लिए उपयोग किया जाएगा।
दुर्भाग्यवश, दस्तावेज वास्तव में इसे उचित तरीके से नहीं दिखाता है। http://statsmodels.sourceforge.net/devel/generated/statsmodels.regression.linear_model.OLS.fit.html
उदाहरण के लिए, एक OLS मॉडल का आकलन और HC3
सहप्रसरण मैट्रिक्स का उपयोग कर के साथ
model_ols = OLS(...)
result = model_ols.fit(cov_type='HC3')
result.bse
result.t_test(....)
कुछ किया जा सकता है: सहायक विधि है कि वास्तव में विकल्पों के आधार पर सैंडविच का चयन करता है विकल्प और आवश्यक तर्क से पता चलता
results = OLS(...).fit(cov_type='cluster', cov_kwds={'groups': mygroups}
results.bse
...
: सैंडविच अतिरिक्त तर्क की आवश्यकता है, उदाहरण के क्लस्टर मजबूत मानक त्रुटियों के लिए, निम्नलिखित तरीके से चुना जा सकता है,
mygroups
संभालने एक सरणी है कि समूहों लेबल होते है
कुछ मजबूत कॉन्वर्सिस मैट्रिस बिना जांच किए डेटा के बारे में अतिरिक्त धारणाएं करते हैं। उदाहरण के लिए हेटरोसेस्डैक्टीटी और ऑटोकोरेशन मजबूत मानक त्रुटियां या न्यूई-वेस्ट, HAC
, मानक त्रुटियां अनुक्रमिक समय श्रृंखला संरचना मानती हैं। कुछ पैनल डेटा मजबूत मानक त्रुटियां भी व्यक्तियों द्वारा समय श्रृंखला के ढेर को मानती हैं।
एक अलग विकल्प use_t
यह निर्दिष्ट करने के लिए उपलब्ध है कि टी और एफ या सामान्य और चिस्क्वायर वितरण डिफ़ॉल्ट रूप से वाल्ड परीक्षण और आत्मविश्वास अंतराल के लिए उपयोग किए जाने चाहिए या नहीं।
- 1. सेनटेस्टकिट: सभी परीक्षणों के बाद सफाई हो रही है?
- 2. rspec परीक्षणों में त्रुटियों की अपेक्षा
- 3. हो रही QUnit आदेश
- 4. आकार के मूल्य के लिए मानक प्रकार विशेषता (टी)
- 5. हो रही दूसरी करने के लिए अंतिम तत्व सूची
- 6. कैसे पहले मूल्य कम हो रही तो दूसरी मूल्य में वृद्धि हो रही में सॉर्ट करने के लिए
- 7. उबंटू पर सी कोड संकलित करने में परेशानी हो रही है। (# त्रुटियों को शामिल करें)
- 8. हो रही डिवाइस आईएमईआई
- 9. डीबग में ऑब्जेक्ट सहेजें और परीक्षणों में इसे स्टब के रूप में उपयोग करने के लिए
- 10. हो रही regex जावा
- 11. हो रही
- 12. doFilter जाँच करने के लिए नहीं कहा जाता हो रही
- 13. क्लस्टर मानक त्रुटियों में पीएलएम बनाम एलएफ
- 14. लंबी चल रही प्रक्रियाओं में चेतावनियों/त्रुटियों को ट्रैक करने के लिए सर्वोत्तम प्रथाएं क्या हैं?
- 15. हो रही
- 16. कमांड लाइन से MSBuild कर: के लिए हो रही त्रुटियों संदर्भित नाम स्थान 'Microsoft.VisualStudio.TestTools'
- 17. रहस्यमय त्रुटियों Xcode 6 करने के लिए
- 18. यूनिट परीक्षणों से पायथन एकीकरण परीक्षणों को अलग करने के लिए कोई सम्मेलन है?
- 19. सहसंबंध गुणांक वास्तव में
- 20. getSize() मुझे दे रही त्रुटियों
- 21. बिनोमियल गुणांक की गणना के लिए एल्गोरिदम
- 22. आर एकवचन के साथ एलएम मॉडल के लिए मजबूत मानक त्रुटियों (vcovHC) की गणना
- 23. हो रही ग्रैंड समूह का उपयोग कर
- 24. मेटा टैग सेट करने के लिए jQuery का उपयोग कर कोई समस्या हो रही महत्व देता
- 25. प्रारंभ करने सरणी - हो रही त्रुटि
- 26. हो रही यूआई सिल्वरलाइट
- 27. हो रही एनोटेट चर
- 28. हो रही वस्तु मोचा
- 29. हो रही तर्क गणना
- 30. स्तंभ नाम हो रही
धन्यवाद! मुझे उम्मीद है कि यह जल्द ही दस्तावेज़ों में बना देगा। –
आपको दोबारा परेशान करने के लिए खेद है, लेकिन 'परिणाम * बीएसई' के लिए 'एचसी *' से मजबूत अवशेषों के लिए आवश्यक है, जो * टी * -टेस्ट में उपयोग किया जा सकता है, और 'result.resid' में दिखाई देने के लिए? या 'model_ols.fit है (cov_type =' एचसी 3 ')' मुझे बस इतना चाहिए? –
नहीं, आपको 'फिट' के बाद कुछ और कॉल करने की आवश्यकता नहीं है। 'बीएसई 'और' t_test' केवल दो उदाहरण थे जहां निर्दिष्ट 'cov_type' का उपयोग किया जाता है। मजबूत सैंडविच कॉन्वर्सिस को 'cov_params_default' में संग्रहीत किया जाता है और हर जगह उपयोग किया जाता है जहां हमें पैरामीटर अनुमानों की कॉन्वर्सिस की आवश्यकता होती है। इसे सत्यापित करने का एक आसान तरीका अलग-अलग 'cov_types' के साथ दो परिणाम उदाहरण बनाना है और जांचें कि कॉन्वर्सिस मैट्रिक्स पर निर्भर परिणाम अलग हैं, उदा। सारांश में() '। – user333700