Python Statsmodels：OLS 回归量未预测

Question

我编写了以下代码，但我就是无法使 'predict' 方法起作用：

import statsmodels.api as sm
from statsmodels.formula.api import ols
ols_model = ols('Consumption ~ Disposable_Income', df).fit()

我的 'df' 是一个带有列标题 'Consumption' 和 'Disposable_Income' 的 pandas 数据框。当我运行，例如，

ols_model.predict([1000.0])

我得到："TypeError: list indices must be integers, not str"

当我运行，例如，

ols_model.predict(df['Disposable_Income'].values)

我得到："IndexError: only integers, slices (:), ellipsis (...), numpy.newaxis (None) and integer or boolean arrays are valid indices"

我很困惑，因为我认为这两种格式正是文档所说的 - 为 x 变量放入一个值数组。我应该如何使用 'predict' 方法？

这是我的 df 的样子：

Answer 1

不确定这是否是最好的方法，但在反复尝试之后，我使这段代码可以工作（看起来有点笨拙且效率低下）：

假设我想预测 X=10 和 X=1000 处的值：

import statsmodels.api as sm
from statsmodels.formula.api import ols
ols_model = ols('Consumption ~ Disposable_Income', df).fit()
regressor = ols('Consumption ~ Disposable_Income', df)
regressor.predict(ols_model.params, exog=[[1,10],[1,1000]])

Answer 2

由于您使用模型中的公式，公式信息也将用于解释 predict 中的 exog。

我认为您需要使用具有解释变量正确名称的数据框或字典。

ols_model.predict({'Disposable_Income':[1000.0]})

或类似

df_predict = pd.DataFrame([[1000.0]], columns=['Disposable_Income'])
ols_model.predict(df_predict)

另一种选择是，如果预测的完整设计矩阵（包括常量）可用，则避免在预测中进行公式处理

AFAIR，这也应该有效：

ols_model.predict([[1, 1000.0]], transform=False)

Python Statsmodels：OLS 回归量未预测

Python Statsmodels: OLS regressor not predicting

python

regression

statsmodels