statmodels中采用的系数检验方法

对于logistic regression的系数检验，H0是β_j = 0，β_j是第j个自变量的系数，构造统计量：

(β_j - 0)/standard_error，统计量满足z分布，其平方就满足自由度为1的卡方分布，又叫作Wald chi square统计量，statmodels的summary正是采用的Wald chi square test，以下图为例

z = (coef - 0)/std_err

P > |z|，这里表头会存在一些误导，我实际上比较了计算出来的p value，是和Z^2的p-value吻合的，表头精准表达应该是P > z^2，右侧检验。

比如倒数第5行

z = (-0.3775/0.214) = -1.764，-1.764和上图中的-1.766存在一定差异是精度问题造成的（我实际验证过），因为系数和std_err位数未显示全。

下图比较z检验的p-value和自由度为1的卡方检验的p-value

H列是statmodels的输出，L/O/P是自己计算，可以看到P列是等于H列的，可证明statmodels中采用的就是自由度为1的卡方检验。而Z检验的p-value和wald卡方统计量的p-value存在一定差异。