Python statsmodels没有'；似乎不能正确地执行正则化负二项回归

我试图用statsmodels拟合负二项回归

这是我的密码：

import statsmodels.api as sm
model = sm.NegativeBinomial
mod_nbin = model(Y, X)
res = mod_nbin.fit(disp=False, maxiter = 200)
res_nbin2 = mod_nbin.fit_regularized(start_params=res.params, alpha=10)

然而，当我看到结果时：

print res_nbin2.summary()

我看到以下情况：

....

x45           -0.1876      0.024     -7.708      0.000        -0.235    -0.140
alpha          0.4742      0.011     41.510      0.000         0.452     0.497

因此，statsmodels以某种方式拟合alpha值，而不是使用我指定的值。关于如何解决这个问题有什么建议吗

---

谢谢

命名错误，有两种不同的alpha。

fit_regulated

中的alpha是惩罚参数。摘要中的alpha是负项的形状参数。惩罚参数将重命名为英文名称，而不是希腊字母。谢谢！那么.summary（）中的alpha到底是什么呢？它应该是r，预定义的已发生故障数，对吗？X~negativebinomical（r；p）

nb1

和

nb2

版本的参数化不同

alpha=0

是泊松特例<如果

alpha>0

，则与泊松相比，code>alpha具有过度色散的色散参数解释。确定。我想我明白了。我可能应该使用sm.GLM（family=negativebinomical），因为我想将色散参数限制为1？但我似乎无法用GLM调用正则化的方法。据我所知，

alpha=1

是

loglike\u method='geometric'

，这是NegativeBionomial的第三个版本。目前，

fit\u regulated

仅适用于

discrete\u模型

。工作已经开始扩展到其他模型，但不会很快完成。