Python 模型预测的置信区间

我跟随着一个

OLS模型配有

formula = 'S ~ C(E) + C(M) + X' 
lm = ols(formula, salary_table).fit()
print lm.summary()

预测值通过以下方式提供：

lm.predict（{'X'：[12]，'M'：[1]，'E'：[2]}）

结果以单值数组的形式返回

是否有一种方法也可以返回statsmodels中预测值的置信区间（预测区间）

---

谢谢。

我们一直想让这更容易实现。你应该能够使用

from statsmodels.sandbox.regression.predstd import wls_prediction_std
prstd, iv_l, iv_u = wls_prediction_std(results)

---

如果您有任何问题，请在github上提交问题。

此外，您可以尝试使用get\u预测方法

values_to_predict = pd.DataFrame({'X' : [12], 'M' : [1], 'E' : [2]})
predictions = result.get_prediction(values_to_predict)
predictions.summary_frame(alpha=0.05)

---

我找到了summary_frame（）方法，您可以找到get_prediction（）方法。您可以通过修改“alpha”参数来更改置信区间和预测区间的显著性级别

你用谷歌搜索过“PythonStatsModels信心”吗？是的，我看过了。它返回模型结果摘要中拟合值的CI。我在寻找预测值的CI。基本上，我正在寻找Y_hat的95%CI。谢谢@jseabold。我知道它一定是某个地方的特征。有没有一种方法可以同时获得模型预测的新数据的预测区间？此处引用的方法仅为训练数据返回预测间隔。@MarcoMene The

wls\u prediction\u std（）

接受第二个参数，

exog

，该参数可以是新数据。