如何在Python中获取Stata logit回归的Prob>chi2等效值

Stata里logit输出的Prob>chi2是似然比（LR）卡方检验的p值，用于检验所有自变量的系数是否联合为0（原模型无解释力）。statsmodels的Logit汇总默认不显示这个值，但可以通过以下两种方式得到和Stata完全一致的结果：

方法1：直接调用结果对象的属性 #

statsmodels拟合Logit后，结果对象的llr_pvalue属性就是对应Stata的Prob>chi2，同时llr是对应的卡方统计量：

import statsmodels.api as sm

# 假设y是二元因变量，X是已添加截距的自变量矩阵
model = sm.Logit(y, X)
results = model.fit()

# 获取Prob>chi2
prob_chi2 = results.llr_pvalue
print(f"Prob>chi2: {prob_chi2:.4f}")

方法2：手动计算（验证用） #

如果需要手动复现计算逻辑，步骤如下：

1. 拟合仅含截距的空模型
2. 计算原模型和空模型的对数似然差，转换为卡方统计量
3. 用卡方分布计算右尾p值

import statsmodels.api as sm
import numpy as np
from scipy.stats import chi2

# 拟合原模型
model = sm.Logit(y, X)
results = model.fit()

# 拟合空模型（仅截距项）
null_model = sm.Logit(y, sm.add_constant(np.zeros(len(y))))
null_results = null_model.fit(disp=0)  # disp=0关闭拟合过程输出

# 计算似然比卡方统计量
ll_full = results.llf  # 原模型对数似然
ll_null = null_results.llf  # 空模型对数似然
chi2_stat = -2 * (ll_null - ll_full)

# 自由度为自变量个数（原模型参数数 - 空模型参数数）
df = results.df_model

# 计算p值
prob_chi2_manual = chi2.sf(chi2_stat, df)
print(f"手动计算的Prob>chi2: {prob_chi2_manual:.4f}")

注意事项 #

• 如果你用scipy得到的结果和Stata不一致，大概率是用错了检验类型：Stata默认输出的是似然比检验的结果，而非Wald检验。很多人会误拿Wald检验的统计量计算，导致结果偏差。
• results.df_model就是Stata中卡方检验的自由度，等于自变量的数量（截距项不算在内），和Stata的计算逻辑完全一致。

内容的提问来源于stack exchange，提问作者ASan