cov_type='HAC' error statsmodels 0.7 IPython 3 notebook python 2.7 anaconda mac os x
cov_type='HAC' error statsmodels 0.7 IPython 3 notebook python 2.7 anaconda mac os x
我正在尝试拟合 OLS 模型，这在没有稳健估计的情况下也能正常工作，但我想改进我的回归，所以，如下所示，我尝试用这个问题来实现它，在评论中有其他尝试来解决它。
我不知道是否正确应用了关键字，所以我希望有任何帮助。
代码：
# Fit and summarize OLS model
sumrz = dict()
for i, ca in enumerate(ccaa):
x = sm.add_constant(data.dy[ca])
mod = sm.OLS(endog=data.du[ca], exog=x, hasconst=True, missing='drop')
res = mod.fit(cov_type='HAC', cov_kwds={'maxlags':1})
# res = res.get_robustcov_results(cov_type='HAC', maxlags=1, use_correction=True)
# res = res.get_robustcov_results(cov_type='HC0')
sumrz[ca] = res.summary(xname=['const','dy'], yname='du', title=ca)
错误
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-114-87912e59a35d> in <module>()
9 # res = res.get_robustcov_results(cov_type='HAC', maxlags=1, use_correction=True)
10 # res = res.get_robustcov_results(cov_type='HC0')
---> 11 sumrz[ca] = res.summary(xname=['const','dy'], yname='du', title=ca)
/Users/mmngreco/anaconda/lib/python2.7/site-packages/statsmodels/regression/linear_model.pyc in summary(self, yname, xname, title, alpha)
1950 top_right = [('R-squared:', ["%#8.3f" % self.rsquared]),
1951 ('Adj. R-squared:', ["%#8.3f" % self.rsquared_adj]),
-> 1952 ('F-statistic:', ["%#8.4g" % self.fvalue] ),
1953 ('Prob (F-statistic):', ["%#6.3g" % self.f_pvalue]),
1954 ('Log-Likelihood:', None), #["%#6.4g" % self.llf]),
/Users/mmngreco/anaconda/lib/python2.7/site-packages/statsmodels/tools/decorators.pyc in __get__(self, obj, type)
92 if _cachedval is None:
93 # Call the "fget" function
---> 94 _cachedval = self.fget(obj)
95 # Set the attribute in obj
96 # print("Setting %s in cache to %s" % (name, _cachedval))
/Users/mmngreco/anaconda/lib/python2.7/site-packages/statsmodels/regression/linear_model.pyc in fvalue(self)
1214 # assume const_idx exists
1215 idx = lrange(k_params)
-> 1216 idx.pop(const_idx)
1217 mat = mat[idx] # remove constant
1218 ft = self.f_test(mat)
TypeError: an integer is required
（很高兴在问题中看到完整的回溯。）
以下是我根据回溯的猜测
我想如果 hasconst=True 是特定的，则常量检测中存在错误。
尽量省略参数 hasconst=True.
背景
如果我们不允许错误指定的异方差性或相关性，并且我们不使用稳健的协方差矩阵，则可以从残差平方和计算 F 统计量。
如果指定稳健 cov_type，则我们对所有斜率系数均为零的零假设使用 Wald 检验。即使异方差或相关性被错误指定，这对于参数的稳健协方差也是有效的。
在这种情况下，具有常量 const_idx 的列的索引设置不正确，我们得到 TypeError。
我正在尝试拟合 OLS 模型，这在没有稳健估计的情况下也能正常工作，但我想改进我的回归，所以，如下所示，我尝试用这个问题来实现它，在评论中有其他尝试来解决它。
我不知道是否正确应用了关键字，所以我希望有任何帮助。
代码：
# Fit and summarize OLS model
sumrz = dict()
for i, ca in enumerate(ccaa):
x = sm.add_constant(data.dy[ca])
mod = sm.OLS(endog=data.du[ca], exog=x, hasconst=True, missing='drop')
res = mod.fit(cov_type='HAC', cov_kwds={'maxlags':1})
# res = res.get_robustcov_results(cov_type='HAC', maxlags=1, use_correction=True)
# res = res.get_robustcov_results(cov_type='HC0')
sumrz[ca] = res.summary(xname=['const','dy'], yname='du', title=ca)
错误
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-114-87912e59a35d> in <module>()
9 # res = res.get_robustcov_results(cov_type='HAC', maxlags=1, use_correction=True)
10 # res = res.get_robustcov_results(cov_type='HC0')
---> 11 sumrz[ca] = res.summary(xname=['const','dy'], yname='du', title=ca)
/Users/mmngreco/anaconda/lib/python2.7/site-packages/statsmodels/regression/linear_model.pyc in summary(self, yname, xname, title, alpha)
1950 top_right = [('R-squared:', ["%#8.3f" % self.rsquared]),
1951 ('Adj. R-squared:', ["%#8.3f" % self.rsquared_adj]),
-> 1952 ('F-statistic:', ["%#8.4g" % self.fvalue] ),
1953 ('Prob (F-statistic):', ["%#6.3g" % self.f_pvalue]),
1954 ('Log-Likelihood:', None), #["%#6.4g" % self.llf]),
/Users/mmngreco/anaconda/lib/python2.7/site-packages/statsmodels/tools/decorators.pyc in __get__(self, obj, type)
92 if _cachedval is None:
93 # Call the "fget" function
---> 94 _cachedval = self.fget(obj)
95 # Set the attribute in obj
96 # print("Setting %s in cache to %s" % (name, _cachedval))
/Users/mmngreco/anaconda/lib/python2.7/site-packages/statsmodels/regression/linear_model.pyc in fvalue(self)
1214 # assume const_idx exists
1215 idx = lrange(k_params)
-> 1216 idx.pop(const_idx)
1217 mat = mat[idx] # remove constant
1218 ft = self.f_test(mat)
TypeError: an integer is required
（很高兴在问题中看到完整的回溯。）
以下是我根据回溯的猜测
我想如果 hasconst=True 是特定的，则常量检测中存在错误。
尽量省略参数 hasconst=True.
背景
如果我们不允许错误指定的异方差性或相关性，并且我们不使用稳健的协方差矩阵，则可以从残差平方和计算 F 统计量。
如果指定稳健 cov_type，则我们对所有斜率系数均为零的零假设使用 Wald 检验。即使异方差或相关性被错误指定，这对于参数的稳健协方差也是有效的。
在这种情况下，具有常量 const_idx 的列的索引设置不正确，我们得到 TypeError。