python - StatsModels 的置信区间和预测区间

Question

我用 StatsModels 做这个 线性回归:

import numpy as np
import statsmodels.api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std

n = 100

x = np.linspace(0, 10, n)
e = np.random.normal(size=n)
y = 1 + 0.5*x + 2*e
X = sm.add_constant(x)

re = sm.OLS(y, X).fit()
print(re.summary())

prstd, iv_l, iv_u = wls_prediction_std(re)

我的问题是，iv_l 和 iv_u 是上下置信区间还是预测区间？

我如何得到别人？

我需要所有点的置信区间和预测区间来绘制图表。

Answer 1

对于测试数据，您可以尝试使用以下内容。

predictions = result.get_prediction(out_of_sample_df)
predictions.summary_frame(alpha=0.05)

我发现summary_frame() 方法被埋没了here你可以找到get_prediction() 方法here .您可以通过修改“alpha”参数来更改置信区间和预测区间的显着性水平。

我在此处发布此帖子是因为这是在寻找置信区间和预测区间的解决方案时出现的第一篇帖子 - 尽管这与测试数据本身有关。

这是一个使用这种方法获取模型、新数据和任意分位数的函数:

def ols_quantile(m, X, q):
  # m: OLS model.
  # X: X matrix.
  # q: Quantile.
  #
  # Set alpha based on q.
  a = q * 2
  if q > 0.5:
    a = 2 * (1 - q)
  predictions = m.get_prediction(X)
  frame = predictions.summary_frame(alpha=a)
  if q > 0.5:
    return frame.obs_ci_upper
  return frame.obs_ci_lower