检查Python statsmodels中回归中的两个系数是否不同

在R中，

car:：linearHypothesis

函数可用于检验两个系数相等的假设（即它们的差值与零显著不同）。以下是its的一个示例：

linearHypothesis（mod.duncan，“收入=教育”）

根据，这在MATLAB中也可用作

linhyptest

---

Python

statsmodels

回归模型是否有等价物？

大多数模型的结果类都有几种用于Wald测试的方法

t_检验

针对单个假设进行向量化。

wald_检验

用于联合假设。

wald_test_terms

自动测试“terms”，即系数子集联合为零，类似于基于wald测试的3类方差分析表

例如，请参见OLS之后的

t_test

的docstring，但所有模型都继承相同的方法并以相同的方式工作（*）。

比如说

>>> t_test = results.t_test("income = education")
>>> print(t_test)

（*）有一些模型不遵循标准模式，这些wald测试还不可用

t_检验使用正态分布或t分布，其他两个wald检验使用卡方分布或F分布。可以使用

model.fit

中的

use\t

关键字选择分发

---

如果

使用\u t=True

则使用t和F分布。如果为

False

，则使用正态分布和卡方分布。对于线性回归模型，默认值为t和F，对于所有其他模型，默认值为normal和chisquare。

我不知道是否有内置的东西，但您是否可以检索这两个参数的值以及与这两个参数相关的方差-协方差矩阵的子集（即两行两列子矩阵），我们可以告诉您如何实施它…可能从这里开始：