StatsModel 分位数回归 ValueError

Question

在 Python StatsModel 模块中进行运行分位数回归后出现错误。错误如下：

ValueError                                Traceback (most recent call last)
<ipython-input-221-3547de1b5e0d> in <module>()
 16 model = smf.quantreg(fit_formula, train)
 17
---> 18 fitted_model = model.fit(0.2)
 19
 20 #fitted_model.predict(test)

 in fit(self, q, vcov, kernel, bandwidth, max_iter, p_tol, **kwargs)
177             resid = np.abs(resid)
178             xstar = exog / resid[:, np.newaxis]
--> 179             diff = np.max(np.abs(beta - beta0))
180             history['params'].append(beta)
181             history['mse'].append(np.mean(resid*resid))

ValueError: operands could not be broadcast together with shapes (178,) (176,)

我以为可能是常量特性引起的，所以我去掉了那些，但还是报同样的错误。我想知道是什么原因。我的代码如下：

quantiles = np.arange(.05, .99, .1)

cols = train.columns.tolist()[1:-2]
fit_formula = ''
for c in cols:
    fit_formula =  fit_formula + ' + ' + c
fit_formula = 'revenue ~ ' + train.columns.tolist()[0] + fit_formula

model = smf.quantreg(fit_formula, train)

fitted_model = model.fit(0.2)

Answer 1

我认为您的设计矩阵是奇异的，即这不适用于您的数据：

np.linalg.matrix_rank(model.exog) == model.exog.shape[1]

从代码中猜测：参数 beta 是为迭代循环初始化的

exog_rank = np_matrix_rank(self.exog)
beta = np.ones(exog_rank)

其长度与辅助加权最小二乘回归的 beta 不同，收敛检查失败。迭代重新加权的步骤使用广义逆 pinv，它不会因为奇异设计矩阵而引发异常。

根据您的回溯，(178,) (176,)，您仍然有两个共线列需要删除。

（这是一个错误：要么它应该为单一情况引发适当的异常，要么在整个过程中使用 pinv 处理它。）

StatsModel 分位数回归 ValueError

StatsModel quantile regression ValueError

python

numpy

regression

statsmodels

quantile