让 statsmodels 在系数 t 检验中使用异方差校正的标准误差

Question

我一直在研究 statsmodels.regression.linear_model.RegressionResults 的 API，并找到了如何检索不同风格的异方差校正标准错误（通过 HC0_se 等属性）但是，我不太清楚如何对系数进行 t 检验，以使用这些修正后的标准误差。有没有办法在 API 中做到这一点，还是我必须手动做到这一点？如果是后者，您能否就如何使用 statsmodels 结果提供任何指导？

Answer 1

线性模型、离散模型和 GLM 的 fit 方法采用 cov_type 和 cov_kwds 参数来指定稳健的协方差矩阵。这将附加到结果实例并用于汇总表中报告的所有推理和统计数据。

不幸的是，文档并没有真正以适当的方式显示这一点。 根据选项实际选择三明治的辅助方法显示了选项和所需的参数： http://statsmodels.sourceforge.net/devel/generated/statsmodels.regression.linear_model.OLS.fit.html

例如，估计一个OLS模型并使用HC3协方差矩阵可以用

model_ols = OLS(...)
result = model_ols.fit(cov_type='HC3')
result.bse
result.t_test(....)

假设mygroups 是一个包含组标签的数组，一些三明治需要额外的参数，例如集群稳健标准误差，可以通过以下方式选择：

results = OLS(...).fit(cov_type='cluster', cov_kwds={'groups': mygroups}
results.bse
...

一些稳健的协方差矩阵无需检查即可对数据做出额外假设。例如异方差性和自相关稳健标准误或 Newey-West，HAC，标准误假设一个连续的时间序列结构。一些面板数据稳健标准误还假设个人时间序列的堆叠。

一个单独的选项 use_t 可用于指定默认情况下是否应将 t 和 F 或正态和卡方分布用于 Wald 检验和置信区间。