似然比检验统计模型

Question

在 statsmodels 中，普通最小二乘法实施了似然比检验

OLSResults.compare_lr_test(restricted)

对于广义线性模型 (GLM) 来说，情况并非如此。我尝试复制 OLS 实现：

from scipy import stats

llf_full = results.llf
llf_restr = results_res.llf
df_full = results.df_resid 
df_restr = results_res.df_resid 
lrdf = (df_restr - df_full)
lrstat = -2*(llf_restr - llf_full)
lr_pvalue = stats.chi2.sf(lrstat, df=lrdf)
lr_pvalue

它看起来很简单，但事实上它没有实现，这让我很怀疑。它是否正确？

Answer 1

我没有看到任何问题。

如果尺度是族隐含的尺度，则广义线性模型是最大似然模型。

statsmodels.GLM 目前没有实现拟似然方法，其中尺度可能偏离基础系列的尺度，例如过度分散的泊松，因此可以应用似然比检验。

实现细节：compare_lr_test应该为所有 LikelihoodModel 添加，但我没有检查它对于继承它的所有模型是否正确（或引发异常）。