Python statsmodel分数logit模型

有人能告诉我在python的statsmodel包中估算分数logit模型参数的方法吗

---

有人能告诉我分数logit模型源代码的具体部分吗？

我假设问题中的分数logit指的是使用logit模型获得区间（0，1）或[0，1]内连续数据的准最大似然

statsmodels中的离散模型，如GLM、GEE和Logit、Probit、Poisson以及statsmodels.discrete中的类似模型，不会对响应或内生变量施加整数条件。因此，这些模型可以用于分数或正连续数据

如果正确指定了平均函数，则参数估计值是一致的。然而，在拟极大似然下，参数估计的协方差是不正确的。三明治协方差可通过fit参数

cov\u type='HC0'

获得。也可用于集群鲁棒、面板鲁棒或自相关鲁棒情况的鲁棒夹层协方差矩阵

例如。

result=sm.Logit（y，x）.fit（cov_type='HC0'）

假设未正确指定似然，则基于结果最大对数似然（即llf、ll_null和似然比测试）的报告统计数据无效

---

唯一的例外是多项式（logit）模型，它可能会对解释变量施加整数约束，可能会也可能不会对成分数据起作用。（使用QMLE支持合成数据仍然是一个悬而未决的问题，因为仅支持标准案例具有计算优势。）

欢迎使用StackOverflow。这类问题与StackOverflow无关（可能会被关闭）。在发布一个问题之前，你应该先通读一遍，然后去阅读。最后，如果您确信您的问题符合规则，请阅读，以便能够提出一个有用的、格式良好的主题问题。更近期的答案，请更正：离散问题不支持连续数据