![](/img/trans.png)
[英]How to get the prediction of test from 2D parameters of WLS regression in statsmodels
[英]Mathematical background of statsmodels wls_prediction_std
wls_prediction_std返回我擬合模型數據的標准偏差和置信區間。 我需要知道從協方差矩陣計算置信區間的方式。 (我已經嘗試通過查看源代碼來解決這個問題,但卻無法做到)我希望你們中的一些人可以通過寫出wls_prediction_std背后的數學表達來幫助我。
在沒有權重的情況下,任何教科書都應該有這種變化。
對於OLS,Greene(我使用的第5版)有
se = s^2 (1 + x (X'X)^{-1} x')
其中s ^ 2是殘差方差的估計, x
是我們想要預測的向量或解釋變量, X
是估計中使用的解釋變量。
這是觀察的標准誤差,僅第二部分是預測平均值y_predicted = x beta_estimated
的標准誤差。
wls_prediction_std
直接使用參數估計的方差。
假定x為固定的,那么y_predicted是隨機變量的只是線性變換beta_estimated
,所以方差y_predicted
只是
x Cov(beta_estimated) x'
為此,我們仍然需要添加誤差方差的估計值。
據我記憶,估計有更好的小樣本屬性。
我添加了權重,但從未設法驗證它們,因此該功能已保留在沙箱中多年。 (Stata不會返回帶權重的預測誤差。)
在旁邊:
如果我們使用夾心魯棒協方差估計器,則使用參數估計的協方差也應該是正確的,而上面的Greene公式只有在我們沒有任何錯誤指定的異方差性時才是正確的。
wls_prediction_std
沒有考慮的是,如果我們有異方差性的模型,那么誤差方差也可能取決於解釋變量,即x。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.