在statsmodels中，普通最小二乘法已经实现了似然比检验
OLSResults.compare_lr_test(restricted)
对于广义线性模型（GLM）而言，情况并非如此。 我试图实现了对OLS实现的复制：
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
它看起来很明确，但事实证明这没有实施，这让我很怀疑。这是对的吗？
答案 0 :(得分：3)
我没有看到任何问题。
广义线性模型是最大似然模型，如果比例是该家族所暗示的那个。
statsmodels.GLM目前还没有实现准似然方法，其中规模可能偏离潜在家族的规模，例如：过度分散泊松，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，但我没有检查它是否正确（或引发异常）所有继承它的模型。