改性负二项式GLM在Python

Question

软件包pymc3和statsmodels可以在Python处理负二项式GLMS如图here：

E（Y）= E ^（beta_0 +西格玛（X_I * beta_i））

在哪里X_i s是我的预测变量，Y是我的因变量。有没有办法强制我的变量（例如X_1）具有beta_1=1，以便算法优化其他系数。我愿意同时使用pymc3和statsmodels。谢谢。

Answer 1

GLM和statsmodels.dccrete中的计数模型包含和可选关键字offset，这正是用于此用例。它被添加到线性预测一部分，所以对应于与固定系数等于一个额外的变量为1

http://www.statsmodels.org/devel/generated/statsmodels.genmod.generalized_linear_model.GLM.html http://www.statsmodels.org/devel/generated/statsmodels.discrete.discrete_model.NegativeBinomial.html

除了：GLM与家人NegativeBinomial取负二项式分散参数为固定的，而离散模型NegativeBinomial通过MLE和平均参数估计色散参数。另一方面：GLM有一个fit_constrained方法用于线性或仿射参数限制。这通过转换设计矩阵并使用offset作为常量部分来工作。在问题中固定参数的简单情况下，这可以简化为使用与上述相同的偏移量（尽管fit_constrained必须经历更昂贵的一般情况。）