How to get the absorbed coefficients?
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 25/100
Línea de trabajo
Start with the public AbsorbingLS and AbsorbingLSResults interfaces, focusing on absorbed_effects and fitted_values. Use a small example with categorical D and X to trace what these results represent. Done when the documentation explains whether the absorbed coefficients can be recovered and how the reported values relate to the fitted values.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I do a y = Xβ + Dθ + e by using the AbsorbingLS, where D is an absorbed category variable.
I want to get the value of θ. I fail to find it in the AbsorbingLSResults. I find the absorbed_effects, which has the dimension of the obs. I think this might be Dθ, however I find it have the number of unique values different from the number of the categories in D and thus I am confused about what this absorbed_effects is.
In addition, I want to know how can I get the value of Xβ when X contains other category variables. I have tried using dmatrix to create X and doing Xβ = np.asarray(X) @ res.params.values.reshape(-1,1). But the sum of Xβ and absorbed_effects is different from res.fitted_values.
Thanks.
- Lenguaje dominante
- Python
- Estrellas
- 1.1k
- Forks
- 203
- Merge medio
- 3 h 26 min
- PR fusionados (30 d)
- 115
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de bashtage/linearmodels
-
enhancement
Dificultad 5/5 Más de una semana Aptitud para principiantes 15/100
bashtage/linearmodels#832 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
bashtage/linearmodels#831 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
IV: LIML kappa with an endogenous regressor spanned by the instruments, kappa's unit dependence, scale-dependent instrument rank checkPosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abiertobug
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
bashtage/linearmodels#823 ·
Los mantenedores suelen responder en 1 día
-
enhancement
Dificultad 5/5 Más de una semana Aptitud para principiantes 18/100
bashtage/linearmodels#817 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
bashtage/linearmodels#780 ·
Los mantenedores suelen responder en 1 día
Todos los issues de bashtage/linearmodels
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
vllm-project/vllm#64845 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
dekobon/big-code-analysis#1729 ·
Los mantenedores suelen responder en 1 día
-
Add `openai_safety_identifier`, the replacement for the `user` field that `openai_user` sendsAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
pydantic/pydantic-ai#12091 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100