Python statsmodels：用于为分位数回归系数生成条件区间的方法？

我在Python中使用

statsmodels.formulas.api.quantreg（）

进行分位数回归。我看到，在拟合分位数回归模型时，有一个选项可以指定回归系数置信区间的显著性水平，并且置信区间结果出现在拟合的摘要中

---

使用什么统计方法来生成回归系数的置信区间？它似乎没有文档记录，我已经翻遍了

quantile\u regression.py

和

summary.py

的源代码，但没有找到它。有人能解释一下吗

对参数的推断在不同的模型中是相同的，并且大部分是从基类继承的

分位数回归具有特定于模型的参数协方差矩阵。 t值、p值、置信区间、t_检验和wald_检验均基于估计参数在给定协方差下的渐近正态分布的假设，并且是“通用的”

线性模型（如OLS和WLS）以及一些其他模型（可选）可以使用t和F分布代替基于Wald检验的推理的正态分布和卡方分布

具体而言，

conf_int

在

statsmodels.base.models.LikelihoodModelResults

部分更正：

QuantReg

使用t和F分布进行推断，因为它目前被视为一个线性回归模型，而不是作为

statsmodels.中的相关M-估计量
RLM
。稳健

大多数模型现在都有一个

use\u t

选项来选择推理分布，但它还没有被添加到QuantReg中