条件logit模型的极大似然估计
pylogit的Python项目详细描述
什么是Pylogit
Logyit是一个Python软件包,用于执行条件Logit模型和相似离散选择模型的极大似然估计。
主要功能
条件logit(type)模型
Multinomial Logit Models
Multinomial Asymmetric Models
- Multinomial Clog-log Model
- Multinomial Scobit Model
- Multinomial Uneven Logit Model
- Multinomial Asymmetric Logit Model
嵌套logit模型
>P>混合Logit模型(具有正态混合分布)
支持选择集在观察结果中不同的数据集
支持模型规范,其中给定变量的系数可以是
- completely alternative-specific (i.e. one coefficient per alternative, subject to identification of the coefficients),
- subset-specific (i.e. one coefficient per subset of alternatives, where each alternative belongs to only one subset, and there are more than 1 but less than J subsets, where J is the maximum number of available alternatives in the dataset),
- completely generic (i.e. one coefficient across all alternatives).
从何处获取
- 可从PYPI获得:
pip安装pylogit
- 可通过水蟒获得:
- Conda安装-C Timothyb0912 Pylogit
有关详细信息
- 有关可使用pylogit估计的非对称模型的更多信息,请参见以下文章 布拉德维特、提摩太和琼·沃克。“多项式选择的非对称、闭式、有限参数模型”,ARXIV预印本ARXIV:1606.05900(2016)。http://ARXIV.org/ABS/ 1606.05900 .< /dD>
归因
如果Pylogit(或其组成模型)在您的研究或工作中有用,请引用上述论文引用此包。
许可证
修改的BSD(3条款)
更改日志
0.2.2(2017年12月11日)
- 已更改TQM依赖项以允许Anaconda兼容。
0.2.1(2017年12月11日)
- 添加了statsmodels和tqdm作为包依赖项来修复0.2.0中的错误。
0.2.0(2017年12月10日)
- 增加了对python 3.4-3.6的支持
- 将aic和bic添加到所有模型的汇总表中。
- 增加了对引导和计算引导置信区间的支持: -百分位区间 -偏差校正加速(BCA)自举置信区间 -近似自举置信度(ABC)区间。
- 更改稀疏矩阵的创建,以便估计更大的数据集。
- 用于估计的重构的内部代码组织和类。
0.1.2(2016年12月4日)
- 增加了对所有logit类型模型在模型估计期间参数约束的支持。现在,所有模型都支持使用constrainted_pos关键字参数。
- 添加了新的参数检查以提供用户友好的错误消息。
- 创建了超过175个测试,使语句覆盖率达到99%。
- 添加了演示预测、混合logit和将长格式数据集转换为宽格式的新示例笔记本。
- 编辑了文档字符串以使整个库更加清晰。
- 广泛重构代码库。
- 更新了底流和溢流保护,以便在适当的情况下使用L'Hopital规则。
- 修正了嵌套logit模型的错误。特别地,预测函数、对Fisher信息矩阵的BHHH逼近以及对数似然、梯度和Hessian函数中的岭回归惩罚已经被固定。
0.1.1(2016年8月30日)
- 添加了python笔记本示例,演示如何估计非对称选择模型和嵌套logit模型。
- 更正了不同位置的docstring。
- 向github repo添加了新的数据集。
0.1.0(2016年8月29日)
- 增加了不对称选择模型。
- 添加了嵌套logit和混合logit模型。
- 增加了混合logit模型的测试。
- 修复了库文档中的打印错误。
- 使打印报表与python3兼容。
- 更改的文档符合纽比医生标准。
- 内部重构。
- 添加了一个演示如何估计混合logit模型的示例笔记本。
0.0.0(2016年3月15日)
- 支持条件logit(mnl)模型的初始包发布。