python混合线性模型_Python Statsmodels Mixedlm(混合线性模型)随机效...

我目前正试图在MixedLM中了解随机效应.看看the docs,似乎只使用groups参数,没有exog_re或re_formula只会为每个组添加一个随机拦截.来自文档的一个例子:

# A basic mixed model with fixed effects for the columns of exog and a random intercept for each distinct value of group:

model = sm.MixedLM(endog, exog, groups)

result = model.fit()

因此,在这种情况下,您会期望random_effects方法返回城市的截距,而不是系数/斜率.

要为您的其他功能添加随机斜率,您可以从statsmodels的Jupyter教程中执行与此示例类似的操作,可以使用斜率和截距:

model = sm.MixedLM.from_formula(

"Y ~ X", data, re_formula="X", groups=data["C"])

或只有斜坡:

model = sm.MixedLM.from_formula(

"Y ~ X", data, re_formula="0 + X", groups=data["C"])

查看random_effects的文档,它表示它返回每个组的随机效果的均值.然而,由于随机效应仅仅是由于截距,这应该等于截距本身.

MixedLMResults.random_effects()[source]

The conditional means of random effects given the data.

Returns:

random_effects : dict

A dictionary mapping the distinct group values to the means of the random effects for the group.

一些有用的资源,包括:

> Docs为MixedML的公式版本

> Docs为MixedML的结果

> This Jupyter笔记本以及使用MixedML(Python)的示例

> Stanford tutorial混合型号(R)

> Tutorial关于固定和随机效应(R)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值