Pearson Chi-Squared测试缺失显着性水平

Question

我正试图从Stata和R切换到Python的statsmodels。我发现我可以完成我需要的大部分工作，但在运行负二项式回归时缺少一些东西 - 特别是卡方检验的显着性水平。例如，使用这样的模型：

mod1 = smf.glm(formula='like_count ~ source + followers_count + \
    mission_focus_Patient_advocacy + Assets + hashtag_count, data=df,   \
    missing='drop', hasconst=None, family=sm.families.NegativeBinomial()).fit()

从这里我可以运行mod1.summary（）并获得主要模型结果，如下所示：

通常我会报告观察的数量，即那里的对数似然值，即Pearson卡方值，以及三条缺失信息：1）重要性卡方检验的水平，2）伪R2值，如McFadden伪R平方（我知道我不应该这样做但审稿人通常希望看到它），3）似然比的结果卡方检验（表明泊松模型不起作用）。

我的问题是，我怎样才能得到这些东西？我知道我可以单独访问特定的模型结果，包括：

mod1.llf           #get Log-Likelihood
mod1.pearson_chi2  #get chi-square

检查在线文档我找不到我正在寻找的参数。相比之下，我知道使用logit模型，我可以得到以下结果：

mod_logit.llf        #get Log-Likelihood
mod_logit.llr        #get chi-square
mod_logit.llr_pvalue #get sig. level of chi-square test
mod_logit.prsquared  #get pseudo-rsquared 

但在负二项式中，我似乎无法找到一种方法来获得卡方检验的显着性水平。至少我想得到这个。理想情况下，我还可以获得似然比测试结果以及伪r平方。提前感谢您的帮助。