我正在嘗試使用Python的statsmodels包進行負二項迴歸。使用GLM例程即Statsmodels - 當GLM確實收斂時,負二項不會收斂
model = smf.glm(formula="Sales_Focus_2016 ~ Sales_Focus_2015 + A_Calls + A_Ed", data=df, family=sm.families.NegativeBinomial()).fit()
model.summary()
然而,GLM例程不估計α,色散項當模型估計細。我試圖直接使用Negative Binomial例程(估計alpha),即
nb = smf.negativebinomial(formula="Sales_Focus_2016 ~ Sales_Focus_2015 + A_Calls + A_Ed", data=df).fit()
nb.summary()
但是這不會收斂。相反,我得到的消息:
Warning: Desired error not necessarily achieved due to precision loss.
Current function value: nan
Iterations: 0
Function evaluations: 1
Gradient evaluations: 1
我的問題是:
執行兩個程序使用的估計方法的不同? 有沒有辦法使smf.NegativeBinomial例程使用與GLM例程相同的估計方法?
太棒了!我將進一步調查 –
看起來好像'discrete.NegativeBimonial'例程沒有'method'參數 –
這是'fit'方法中的一個選項,fit(start_params = None,method ='bfgs')。 ..)'。它缺少文檔字符串,但這與泊松和其他離散模型相同。 – user333700