在 statsmodels 中，普通最小二乘法实现了似然比检验
OLSResults.compare_lr_test(restricted)
对于广义线性模型 (GLM)，情况并非如此。
我试图实现复制 OLS 实现:
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
它看起来很直接，但没有实现的事实让我怀疑。这样对吗？
最佳答案
我看不出任何问题。
广义线性模型是最大似然模型，如果尺度是家庭隐含的尺度。
statsmodels.GLM 目前没有实现准似然方法，其中的尺度可能偏离基础家族的尺度，例如过度分散的泊松，因此可以应用似然比检验。
实现细节:应该为所有 LikelihoodModel 添加 compare_lr_test，但我没有检查从它继承的所有模型是否正确(或引发异常)。
关于python - 似然比检验统计模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23803236/