wls_prediction_std返回我擬合的模型數據的標準差和置信區間。我需要知道從協方差矩陣計算置信區間的方式。 (我已經試圖通過查看源代碼來弄清楚,但無法做到)我希望你們中的一些人能夠通過寫出wls_prediction_std後面的數學表達式來幫助我。statsmodels的數學背景wls_prediction_std
3
A
回答
7
在任何教科書中都應該有一個變體,沒有重量。
對於OLS,格林(第5版,我使用的)具有
se = s^2 (1 + x (X'X)^{-1} x')
其中s^2的剩餘方差的估計,x
是一個我們要預測矢量或解釋變量和X
是估計中使用的解釋變量。
這是觀察的標準誤差,單獨的第二部分是預測的平均值的標準誤差y_predicted = x beta_estimated
。
wls_prediction_std
直接使用參數估計的方差。
假定x爲固定的,那麼y_predicted僅僅是隨機變量beta_estimated
的線性變換,所以y_predicted
方差只是
x Cov(beta_estimated) x'
爲了這一點,我們仍然需要添加誤差的估計值方差。
據我所知,有估計有更好的小樣本屬性。
我添加了權重,但從來沒有設法驗證它們,所以函數一直保留在沙箱中多年。 (塔塔不與權重返回預測誤差。)
旁白:
使用的參數估計的協方差也應該是正確的,如果我們用一個三明治強大的協方差估計,而高於格林公式是,如果唯一正確的我們沒有任何錯誤的異方差。
wls_prediction_std
沒有考慮到的是,如果我們有一個異方差性模型,那麼誤差方差也可能取決於解釋變量,即x。
相關問題
- 1. 從Python學習Java背景
- 2. 從C#背景學習Java
- 3. 從C背景學習Objective-C
- 4. 從Linux背景學習Windows開發
- 5. 學習iPhone編程來自C#背景
- 6. 從Microsoft SQL背景學習MySql
- 7. 學習WebGL背後的數學
- 8. 數學背後scipy.ndimage.convolve
- 9. 什麼是計算機科學背景下的超函數?
- 10. 背景背景內
- 11. Keras的Conv2D函數背後的數學
- 12. jpanel背景幻數
- 13. 背景或背景顏色?
- 14. 以div背景爲背景
- 15. 半頁背景/列背景
- 16. 數組中的背景URL
- 17. awk中的背景函數
- 18. HTML背景的url()函數
- 19. 背景中的Python函數
- 20. 數據建模背後的數學
- 21. 核心數據背景緩慢和背景保存,sqlite背景和mergeChangesFromContextDidSaveNotification
- 22. CSS:背景顏色的背景圖像
- 23. 背景鏈接(在所有的背景!)
- 24. 背景減除與固定的背景
- 25. 背景圖片上的背景圖像
- 26. 花式背景中的背景圖像?
- 27. 背景顏色的背景位置
- 28. sqlite3 - 這個場景的sqlite設計背後的哲學
- 29. 作爲計算機科學專業的學生閱讀/觀看背景什麼
- 30. Statsmodels API:缺少SARIMAX函數