PSTR模型的Python程序

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

面板平滑转移回归的Python程序，功能与王群勇老师的Stata程序包类似，可以加入线性控制变量，未来将加入工具变量。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏6 回帖

关键词：PSTR模型 python PSTR stata程序 Stata

1. """
   
2. PSTR model
   
3. """
   
4. from pstrplus import fit_pstr
   
5. import pandas as pd
   
6. import matplotlib.pyplot as plt
   
7. 
   
8. df = pd.read_csv("../data/data_pstr.csv")  # 数据集
   
9. xtset = ["id", "time"]  # 个体与时间变量
   
10. dep = "y"  # 被解释变量
    
11. indep = ["x1", "x2"]  # 解释变量（包含控制变量）
    
12. # 第一个转换函数
    
13. spec1 = {
    
14.     "model": "LSTR",  # 逻辑斯蒂函数
    
15.     "transition": "q",  # 转换变量
    
16.     "indvars": ["x1", "x2"],  # 核心解释变量
    
17.     "has_const": False,  # 是否包含截距项
    
18.     "num_thereshold": 1,  # 阈值数量
    
19. }
    
20. # 第二个转换函数
    
21. spec2 = {
    
22.     "model": "ESTR",  # 指数函数
    
23.     "transition": "q",  # 转换变量
    
24.     "indvars": ["x1", "x2"],  # 核心解释变量
    
25.     "has_const": False,  # 是否包含截距项
    
26.     "num_thereshold": 1,  # 阈值数量
    
27. }
    
28. spec_list = [spec1, spec2]  # 转换函数设置
    
29. result = fit_pstr(df, xtset, dep, indep, spec_list)  # 估计
    
30. print(result.estimate)  # 参数估计结果
    
31. print(result.linear_test)  # 线性检验
    
32. print(result.reslinear_test)  # 残差线性检验
    
33. print(result.pconstant_test)  # 参数固定性检验
    
34. # 转换函数图
    
35. plt.scatter(df["q"].values, result.g[:, 0])
    
36. plt.show()

复制代码

1. """
   
2. PSTR model
   
3. """
   
4. from pstrplus import fit_pstr
   
5. import pandas as pd
   
6. import matplotlib.pyplot as plt
   
7. 
   
8. df = pd.read_csv("../data/data_pstr.csv")  # 数据集
   
9. xtset = ["id", "time"]  # 个体与时间变量
   
10. dep = "y"  # 被解释变量
    
11. indep = ["x1", "x2"]  # 解释变量（包含控制变量）
    
12. # 第一个转换函数
    
13. spec1 = {
    
14.     "model": "LSTR",  # 逻辑斯蒂函数
    
15.     "transition": "q",  # 转换变量
    
16.     "indvars": ["x1", "x2"],  # 核心解释变量
    
17.     "has_const": False,  # 是否包含截距项
    
18.     "num_thereshold": 1,  # 阈值数量
    
19. }
    
20. 
    
21. spec_list = spec1  # 转换函数设置
    
22. 
    
23. result = fit_pstr(df, xtset, dep, indep, spec_list)  # 估计
    
24. 
    
25. print(result.estimate)  # 参数估计结果
    
26. """
    
27.                Coef.  Std. Err.       z      P>|z|
    
28. x1             0.346      0.026  13.082  0.000e+00
    
29. x2             0.443      0.044  10.103  0.000e+00
    
30. _cons         -0.707      0.052 -13.537  0.000e+00
    
31. q1_x1         -0.097      0.024  -4.000  6.330e-05
    
32. q1_x2         -0.380      0.054  -7.027  2.106e-12
    
33. q1_threshold1 -1.466      0.055 -26.856  0.000e+00
    
34. q1_gamma       4.863      1.094   4.443  8.851e-06
    
35. """
    
36. 
    
37. print(result.llh, result.aic, result.bic, result.hqic)  # 似然函数与信息准则
    
38. # 910.1408482765223 -1808.2816965530446 -1780.5134482959675 -1808.9338404999703
    
39. 
    
40. print(result.r2_within, result.r2_between, result.r2_overall)  # R平方
    
41. # 0.5277087086751806 0.2232315687314226 0.22906199842381808
    
42. 
    
43. print(result.linear_test)  # 线性检验
    
44. """
    
45.              H0       LM    LM.prob       F     F.prob       LR    LR.prob
    
46. 0           b1=0  110.114  0.000e+00  41.485  0.000e+00  119.009  0.000e+00
    
47. 1        b1=b2=0  139.841  0.000e+00  27.499  0.000e+00  154.629  0.000e+00
    
48. 2     b1=b2=b3=0  167.435  0.000e+00  22.885  0.000e+00  189.268  0.000e+00
    
49. 3  b1=b2=b3=b4=0  180.930  0.000e+00  18.904  0.000e+00  206.803  0.000e+00
    
50. 4   b1=b3=0(HoL)   77.731  1.055e-14  13.771  7.550e-15   82.024  1.332e-15
    
51. 5   b2=b4=0(HoE)   54.254  6.556e-10   9.290  7.943e-10   56.299  2.532e-10
    
52. 6   b1=0|b2=b3=0  110.114  0.000e+00  41.485  0.000e+00  110.114  0.000e+00
    
53. 7      b2=0|b3=0   34.794  1.346e-07  11.691  1.731e-07   35.620  9.008e-08
    
54. 8           b3=0   33.857  2.124e-07  11.315  2.929e-07   34.639  1.452e-07
    
55. """
    
56. 
    
57. print(result.reslinear_test)  # 残差线性检验
    
58. """
    
59.               H0      LM  LM.prob      F  F.prob      LR  LR.prob
    
60. 0           b1=0   2.397    0.302  1.163   0.313   2.401    0.301
    
61. 1        b1=b2=0   6.825    0.145  1.660   0.157   6.856    0.144
    
62. 2     b1=b2=b3=0   8.613    0.197  1.396   0.213   8.663    0.193
    
63. 3  b1=b2=b3=b4=0  15.912    0.044  1.948   0.050  16.082    0.041
    
64. 4   b1=b3=0(HoL)  10.262    0.036  2.494   0.042  10.332    0.035
    
65. 5   b2=b4=0(HoE)   8.788    0.067  2.132   0.075   8.840    0.065
    
66. 6   b1=0|b2=b3=0   2.397    0.302  1.163   0.313   2.397    0.302
    
67. 7      b2=0|b3=0   4.442    0.109  2.154   0.117   4.455    0.108
    
68. 8           b3=0   1.805    0.406  0.870   0.420   1.807    0.405
    
69. """
    
70. 
    
71. print(result.pconstant_test)  # 参数固定性检验
    
72. """
    
73.               H0       LM    LM.prob        F     F.prob       LR    LR.prob
    
74. 0           b1=0  172.195  0.000e+00  107.805  0.000e+00  195.407  0.000e+00
    
75. 1        b1=b2=0  177.011  0.000e+00   55.718  0.000e+00  201.669  0.000e+00
    
76. 2     b1=b2=b3=0  197.735  0.000e+00   42.917  0.000e+00  229.225  0.000e+00
    
77. 3  b1=b2=b3=b4=0  209.965  0.000e+00   34.848  0.000e+00  245.971  0.000e+00
    
78. 4   b1=b3=0(HoL)   50.285  3.149e-10   12.915  3.664e-10   52.035  1.356e-10
    
79. 5   b2=b4=0(HoE)   38.449  9.052e-08    9.712  1.178e-07   39.461  5.594e-08
    
80. 6   b1=0|b2=b3=0  172.195  0.000e+00  107.805  0.000e+00  172.195  0.000e+00
    
81. 7      b2=0|b3=0    6.236  4.424e-02    3.032  4.884e-02    6.262  4.367e-02
    
82. 8           b3=0   27.060  1.330e-06   13.494  1.761e-06   27.556  1.038e-06
    
83. """
    
84. 
    
85. # 转换函数图
    
86. plt.scatter(df["q"].values, result.g[:, 0])
    
87. plt.show()

复制代码

转换函数图：

后面我会把源代码文件和dll文件传上来。

你好,那个模块是个本地模块吗?可以分享一下吗?可以有偿

qibijing3 发表于 2022-4-17 09:15
你好,那个模块是个本地模块吗?可以分享一下吗?可以有偿

对的，是本地程序包。

matlab版的程序我也做好了：
https://bbs.pinggu.org/thread-10999026-1-1.html

楼主您好，可否分享一下python程序，可有偿，十分感谢哈
邮箱：sdfsdvdksfhsd@163.com