Python-在Logit回歸中測試系數相等

Question

我作為初學者正在用Python做我的第一個項目。

我想嘗試確定Logit回歸中的兩個系數是否顯着不同。 具體來說，我正在嘗試進行Wald檢驗，我想知道在運行logit回歸后如何計算/顯示參數的方差-協方差矩陣。

我在R中找到了如何執行此操作的代碼和說明，並希望在Python中獲得一些幫助。 我使用的是與示例答案相同的UCLA數據： 使用R進行Wald測試時的統計信息交換帖子

運行我所追求的R中的代碼在以下答案中：“因此，我們還需要βgreβgre和βgpaβgpa的協方差。 運行邏輯回歸后，可以使用vcov命令提取方差-協方差矩陣：var.mat <-vcov（mylogit）[c（“ gre”，“ gpa”），c（“ gre”，“ gpa”）]

colnames（var.mat）<-行名（var.mat）<-c（“ gre”，“ gpa”）

是否存在與上述vcov命令等效的某種形式？

如果沒有，我是否可以輕松實現其他解決方案來測試系數是否存在顯着差異？

謝謝您的幫助，馬特

Answer 1

如果要使用內置功能，則可以使用results.t_test （向量化）單個假設和results.wald_test來進行聯合假設。 除線性模型外，所有模型均對Wald測試使用正態分布和卡方分布，但是可以在測試方法或model.fit方法中通過use_t和use_f關鍵字更改此分布。

兩者都可以采用限制矩陣或對比矩陣或定義Null假設的字符串。 基本上所有模型都是相同的。

例如，對於Logit，盡管doc字符串是通用字符串，並且在示例http://www.statsmodels.org/dev/generation/statsmodels.discrete.discrete_model.LogitResults.t_test.html中使用OLS

似然比和得分或拉格朗日乘數檢驗尚未普遍實施，並且主要可用於線性回歸模型。

為此，您可以在results.cov_params()方法中獲得參數估計值的協方差，以及所有其他必需的統計信息。 在所有最大可能性模型中，負對數可能性可作為results.llf屬性使用。