我在查看statsmodels中的强大线性回归,但我找不到指定此回归“权重”的方法 . 例如,至少方形回归为每个观察分配权重 . 类似于WLS在statsmodels中的作用 .
或者有办法解决它吗?
http://www.statsmodels.org/dev/rlm.html
RLM当前不允许用户指定的权重 . 权重在内部用于实现重加权最小二乘拟合方法 .
如果权重具有方差权重的解释以考虑观察的不同方差,则重新调整数据,与WLS类似的endog y和exog x将产生加权参数估计 .
WLS在 whiten 方法中使用它来重新缩放y和x
whiten
X = np.asarray(X) if X.ndim == 1: return X * np.sqrt(self.weights) elif X.ndim == 2: return np.sqrt(self.weights)[:, None]*X
我不确定所有可用的额外结果是否适合重新缩放的模型 .
Edit 根据评论进行跟进
在WLS中,等价W (Y_est -Y)^ 2 =(sqrt(W) Y_est-sqrt(W)* Y)^ 2意味着参数估计与权重的解释无关 .
在RLM中,我们有一个非线性目标函数g((y - y_est)/ sigma),这个等价性一般不成立
fw * g((y - y_est)/ sigma)!= g((y - y_est)* sw / sigma)
其中fw是频率权重,sw是比例或方差权重,sigma是残差的估计尺度或标准偏差 . (一般来说,我们找不到与fw相对应的sw . )
这意味着在RLM中我们不能使用数据的重新缩放来考虑频率权重 .
Aside: statsmodels的当前发展是为GLM添加不同的权重类别,以开发可添加到其他模型的模式 . 目标是将Stata至少与freq_weights,var_weights和prob_weights类似,作为模型的选项 .
1 回答
RLM当前不允许用户指定的权重 . 权重在内部用于实现重加权最小二乘拟合方法 .
如果权重具有方差权重的解释以考虑观察的不同方差,则重新调整数据,与WLS类似的endog y和exog x将产生加权参数估计 .
WLS在
whiten
方法中使用它来重新缩放y和x我不确定所有可用的额外结果是否适合重新缩放的模型 .
Edit 根据评论进行跟进
在WLS中,等价W (Y_est -Y)^ 2 =(sqrt(W) Y_est-sqrt(W)* Y)^ 2意味着参数估计与权重的解释无关 .
在RLM中,我们有一个非线性目标函数g((y - y_est)/ sigma),这个等价性一般不成立
fw * g((y - y_est)/ sigma)!= g((y - y_est)* sw / sigma)
其中fw是频率权重,sw是比例或方差权重,sigma是残差的估计尺度或标准偏差 . (一般来说,我们找不到与fw相对应的sw . )
这意味着在RLM中我们不能使用数据的重新缩放来考虑频率权重 .
Aside: statsmodels的当前发展是为GLM添加不同的权重类别,以开发可添加到其他模型的模式 . 目标是将Stata至少与freq_weights,var_weights和prob_weights类似,作为模型的选项 .