우도 비 테스트 statsmodels에서

이 정규 방정식은 우도 비 테스트우도 비 테스트 statsmodels에서

일반화 된 선형 모델 (GLM)을위한 진정한 아니다

OLSResults.compare_lr_test(restricted)

을 구현 statsmodels.

from scipy import stats 

llf_full = results.llf 
llf_restr = results_res.llf 
df_full = results.df_resid 
df_restr = results_res.df_resid 
lrdf = (df_restr - df_full) 
lrstat = -2*(llf_restr - llf_full) 
lr_pvalue = stats.chi2.sf(lrstat, df=lrdf) 
lr_pvalue

은 아마도 거의 보이지만,이 구현되지 않는다는 사실은 나를 의심합니다 은 내가 OLS 구현을 copyng implemtent하려고 노력했다. 이 올바른지?

출처

2014-05-22 Gioelelm

아무런 문제가 없습니다.

일반 선형 모델은 축척이 패밀리가 암시하는 모델 인 경우 최대 우량 모델입니다.

statsmodels.GLM은 현재 축척이 기본 패밀리의 축척과 다를 수있는 준 우도 (Quasi-Likelihood) 메소드를 구현하지 않습니다. overdispersed Poisson이므로 우도 비율 테스트를 적용 할 수 있습니다.

구현 세부 정보 : compare_lr_test 모든 LikelihoodModels에 대해 추가 될 예정 이었지만이를 상속 한 모든 모델에 대해 올바른지 (또는 예외가 발생하는지) 확인하지 않았습니다.

출처

2014-05-22 13:15:42 user333700

감사합니다. 아직도 조금 혼란스럽고 작은 p- 값이 제한된 것을 선호한다고 말해 줍니까? 나는 R에서 그 반대편에 있다고 생각합니다. – Gioelelm

p- 값이 작은 경우 제한이 보유하는 null을 거부하므로 무제한 모델을 선호해야합니다. 제한이 적용되지 않으면 우도 비율 테스트 통계가 더 크다는 것입니다. 왜냐하면 우리가 제한을 부과하면 많은 "느슨한"것이기 때문입니다. – user333700

우도 비 테스트 statsmodels에서

답변

관련 문제