Python 托比特回归卡方

首先，我复制了一个Tobit回归表，除了coef估计之外，它还包括卡方检验和Pr>卡方检验

我熟悉Tobit和卡方检验的一般概念，但我对它不够熟悉，无法从数学上重现它。具体地说，我试图找出如何在Python中恢复卡方检验

我用的是软件包。很清楚如何恢复coefs，我认为

.sigma\uuz

属性将是我要寻找的，但它是标量而不是向量，因此如果它与coefs的标准错误相关，我会感到惊讶

---

如果我能在正确的方向上获得一些转向，那就太棒了。

你可能想试试下面的代码，以获得确定系数，这是一个很好的指标，表明你需要什么：

import numpy as np
x = <your set of dependent variables>
y = <your independent variable>
cens = <the cens vector as defined in the library documentation>

tobit  = TobitModel()
rTobit = tobit.fit(x, y, cens, verbose=False)
yHat   = rTobit.predict(x)
yHat   = yHat.reshape(yHat.shape[0],1)

yMean = np.full((yHat.shape[0],1), y.mean()[0])

cDet  = np.dot(np.transpose(yHat-yMean), yHat-yMean) / np.dot(np.transpose(y-yMean), y-yMean)

将numpy导入为np
x=
y=
审查=
托比特=托比特模型（）
rTobit=tobit.fit（x，y，cens，verbose=False）
yHat=rTobit.predict（x）
yHat=yHat.重塑（yHat.形状[0]，1）
yMean=np.full（（yHat.shape[0]，1），y.mean（）[0]）
cDet=np.dot（np.transpose（yHat-yMean），yHat-yMean）/np.dot（np.transpose（y-yMean），y-yMean）

---

Tobit回归在估计可用性百分比等变量时非常有用，范围在0到100之间。

Nice！我最终用R来满足我的需要。。。我编写了一个脚本并从python中调用它，然后将结果导入python中，以便所有分析都可以集中化。下一次我在运行Tobit时，肯定会更多地关注这一点。非常感谢。