statsmodels：用于生成分位数回归系数置信区间的方法？
statsmodels: Method used to generate condifence intervals for quantile regression coefficients?
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的置信区间的显着性水平，并且置信区间结果出现在拟合的摘要中。
使用什么统计方法生成回归系数的置信区间？它似乎没有记录在案，我已经翻阅了 quantile_regression.py 和 summary.py 的源代码，但没有找到它。任何人都可以阐明这一点吗？
参数的推断在各个模型中是相同的，并且大部分继承自基础 类。
分位数回归具有模型特定的参数协方差矩阵。
tvalues, pvalues, confidence intervals, t_test and wald_test 都是基于给定协方差的估计参数的渐近正态分布的假设，并且是 "generic".
OLS 和 WLS 等线性模型以及可选的一些其他模型可以使用 t 和 F 分布而不是正态分布和卡方分布来进行基于 Wald 检验的推理。
具体来说conf_int定义在statsmodels.base.models.LikelihoodModelResults
部分更正：
QuantReg 使用 t 和 F 分布进行推理，因为它目前被视为线性回归模型，而不是正态分布和卡方分布作为相关的 M 估计量，RLM，在 statsmodels.robust.
大多数模型现在都有一个 use_t 选项来选择推理分布，但它尚未添加到 QuantReg。
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的置信区间的显着性水平，并且置信区间结果出现在拟合的摘要中。
使用什么统计方法生成回归系数的置信区间？它似乎没有记录在案，我已经翻阅了 quantile_regression.py 和 summary.py 的源代码，但没有找到它。任何人都可以阐明这一点吗？
参数的推断在各个模型中是相同的，并且大部分继承自基础 类。
分位数回归具有模型特定的参数协方差矩阵。 tvalues, pvalues, confidence intervals, t_test and wald_test 都是基于给定协方差的估计参数的渐近正态分布的假设，并且是 "generic".
OLS 和 WLS 等线性模型以及可选的一些其他模型可以使用 t 和 F 分布而不是正态分布和卡方分布来进行基于 Wald 检验的推理。
具体来说conf_int定义在statsmodels.base.models.LikelihoodModelResults
部分更正：
QuantReg 使用 t 和 F 分布进行推理，因为它目前被视为线性回归模型，而不是正态分布和卡方分布作为相关的 M 估计量，RLM，在 statsmodels.robust.
大多数模型现在都有一个 use_t 选项来选择推理分布，但它尚未添加到 QuantReg。