稳健线性模型¶

支持范数下列出的 M 估计量的稳健线性模型。

参见模块参考以了解命令和参数。

示例¶

# Load modules and data
In [1]: import statsmodels.api as sm

In [2]: data = sm.datasets.stackloss.load()

In [3]: data.exog = sm.add_constant(data.exog)

# Fit model and print summary
In [4]: rlm_model = sm.RLM(data.endog, data.exog, M=sm.robust.norms.HuberT())

In [5]: rlm_results = rlm_model.fit()

In [6]: print(rlm_results.params)
const       -41.026498
AIRFLOW       0.829384
WATERTEMP     0.926066
ACIDCONC     -0.127847
dtype: float64

详细的示例可以在这里找到

技术文档¶

权重函数

参考文献¶

PJ Huber. ‘稳健统计’ John Wiley and Sons, Inc., New York. 1981.
PJ Huber. 1973, ‘1972 年 Wald 纪念讲座: 稳健回归: 渐近性、猜想和蒙特卡罗.’ 统计年鉴, 1.5, 799-821.
R Venables, B Ripley. ‘S 中的现代应用统计’ Springer, New York,
C Croux, PJ Rousseeuw, ‘两种高度稳健的尺度估计量的时效算法’ 计算统计学. Physica, Heidelberg, 1992.

模块参考¶

模型类¶

`RLM`(endog, exog[, M, missing])	稳健线性模型

模型结果¶

`RLMResults`(model, params, ...)	包含 RLM 结果的类

范数¶

`AndrewWave`([a])	用于 M 估计的 Andrew 波。
`Hampel`([a, b, c])	用于 M 估计的 Hampel 函数。
`HuberT`([t])	用于 M 估计的 Huber's T。
`LeastSquares`()	用于 M 估计的最小二乘 rho 及其派生函数。
`MQuantileNorm`(q, base_norm)	基于基础范数的 M 分位数目标函数
`RamsayE`([a])	用于 M 估计的 Ramsay's Ea。
`RobustNorm`()	用于稳健回归的范数的父类。
`TrimmedMean`([c])	用于 M 估计的截断均值函数。
`TukeyBiweight`([c])	用于 M 估计的 Tukey 双权重函数。
`estimate_location`(a, scale[, norm, axis, ...])	使用 self.norm 和当前尺度估计量的 M 位置估计器。

尺度¶

`Huber`([c, tol, maxiter, norm])	Huber 的建议 2 用于联合估计位置和尺度。
`HuberScale`([d, tol, maxiter])	用于拟合稳健线性模型的 Huber 尺度。
`mad`(a[, c, axis, center])	数组给定轴上的中位数绝对偏差
`hubers_scale`	用于拟合稳健线性模型的 Huber 尺度。
`iqr`(a[, c, axis])	数组给定轴上的归一化四分位间距
`qn_scale`(a[, c, axis])	计算 Qn 稳健尺度估计器

最后更新: 2024 年 10 月 3 日