python - 拟合 beta 二项式

Question

我一直在寻找一种方法来使数据符合 beta 二项分布并估计 alpha 和 beta，类似于 VGAM 库中的 vglm 包的方式。我一直无法找到如何在 python 中执行此操作。有一个 scipy.stats.beta.fit() ，但没有用于 beta 二项式分布。有办法做到这一点吗？

Answer 1

我还没有在 Python 中看到对 beta-binomial 的估计。

如果你只想估计参数，那么你可以使用 scipy.optimize 来最小化对数似然函数，你可以自己编写或在网上搜索后复制代码。

您可以子类化 rv_discrete 以使用 scipy.stats.distributions 的框架，但 scipy 中的离散分布没有 fit 方法。

如果你想使用统计模型，那么你可以继承GenericLikelihoodModel http://statsmodels.sourceforge.net/devel/dev/generated/statsmodels.base.model.GenericLikelihoodModel.html它使用 scipy.optimize 但定义了我们进行最大似然估计所需的大部分内容。但是，您需要编写对数似然函数的代码。这将提供通常的最大似然结果，例如参数和各种测试的标准误差。

如果您需要 beta-binomial 回归，那么 R 包 gamlss 中使用的均值方差参数化会更常见，并且可以重用 link 函数来约束参数在有效范围内域。

作为相关示例:这是 GenericLikelihoodModel 原型(prototype)的要点，它导致了对统计模型的 Beta 回归的拉取请求:http://gist.github.com/brentp/089c7d6d69d78d26437f