作为初学者，我正在用Python做我的第一个项目。
我想尝试确定Logit回归中的两个系数是否彼此显着不同。具体来说，我正在尝试进行Wald测试，并且我想知道在运行logit回归后如何计算/显示参数的方差 - 协方差矩阵。
我已经在R中找到了代码和指令如何做到这一点，并希望在Python中做一些帮助。我使用的是与示例答案中使用的相同的UCLA数据：Stats exchange post on doing Wald test using R
运行我所追求的R中的代码在下面的答案中： “因此我们还需要βgreβgre和βgpaβgpa的协方差。在运行逻辑回归后，可以使用vcov命令提取方差 - 协方差矩阵： var.mat＆lt; - vcov（mylogit）[c（“gre”，“gpa”），c（“gre”，“gpa”）]
colnames（var.mat）＆lt; - rownames（var.mat）＆lt; - c（“gre”，“gpa”）
是否有某种等同于上面提到的vcov命令？
如果没有，是否有其他解决方案我可以轻松实现以测试系数是否彼此显着不同？
感谢您的帮助， 马特
答案 0 :(得分：0)
如果您想使用内置功能，则results.t_test用于（向量化）单个假设，results.wald_test用于联合假设。除线性模型之外的所有模型都使用常规和chisquare分布进行Wald测试，但是可以通过测试方法或use_t方法中的use_f和model.fit关键字进行更改
两者都可以采用限制或对比矩阵或定义Null假设假设的字符串。基本上所有模型都是如此。
e.g。对于Logit，尽管doc字符串是通用的并且在示例中使用OLS http://www.statsmodels.org/dev/generated/statsmodels.discrete.discrete_model.LogitResults.t_test.html
似然比和得分或拉格朗日乘数检验一般尚未实施，主要适用于线性回归模型。
为了自己动手，参数估计的协方差在results.cov_params()方法中可用，所有其他必需的统计数据也是如此。在所有最大似然模型中，负对数似然可用作results.llf属性。