廣義線性混合效應模型¶

廣義線性混合效應 (GLIMMIX) 模型是在線性預測器中具有隨機效應的廣義線性模型。statsmodels 目前使用兩種貝氏方法來支援二項式和卜瓦松 GLIMMIX 模型的估計：後驗的拉普拉斯近似，以及後驗的變分貝氏近似。這兩種方法都提供點估計（後驗平均數）和不確定性的評估（後驗標準差）。

目前的實作僅支援獨立的隨機效應。

技術文件¶

與 statsmodels 混合線性模型不同，GLIMMIX 的實作不是基於群組的。群組是透過將所有隨機效應與類別變數互動而建立的。請注意，這會建立大型、稀疏的隨機效應設計矩陣 exog_vc。在內部，exog_vc 會轉換為 scipy 稀疏矩陣。當直接將引數傳遞給類別初始化器時，可以傳遞稀疏矩陣。當使用公式時，會建立一個密集矩陣，然後再轉換為稀疏矩陣。對於非常大的問題，由於這個密集的中間矩陣的大小，使用公式可能不可行。

參考文獻¶

Blei, Kucukelbir, McAuliffe (2017). 變分推論：統計學家回顧 https://arxiv.org/pdf/1601.00670.pdf

模組參考¶

模型類別為

結果類別為