如何从statsmodels中的WLS回归的2D参数获取测试预测

Question

我正在逐步调整使用 WLS 回归函数 的参数，使用的是 statsmodels 库。

我有一个 10 行 3 列的数据集 X，声明方式如下：

X = np.array([[1,2,3],[1,2,3],[4,5,6],[1,2,3],[4,5,6],[1,2,3],[1,2,3],[4,5,6],[4,5,6],[1,2,3]])

这是我的数据集，我还有一个 10 行 2 列的 endog 向量，长得像这样：

z =
[[  3.90311860e-322   2.00000000e+000]
 [  0.00000000e+000   2.00000000e+000]
 [  0.00000000e+000  -2.00000000e+000]
 [  0.00000000e+000   2.00000000e+000]
 [  0.00000000e+000  -2.00000000e+000]
 [  0.00000000e+000   2.00000000e+000]
 [  0.00000000e+000   2.00000000e+000]
 [  0.00000000e+000  -2.00000000e+000]
 [  0.00000000e+000  -2.00000000e+000]
 [  0.00000000e+000   2.00000000e+000]]

现在在导入了 import statsmodels.api as sm 之后，我做了以下操作：

g = np.zeros([3, 2]) # g(x) is a function that will store the regression parameters
mod_wls = sm.WLS(z, X)
temp_g = mod_wls.fit()
print temp_g.params

然后我得到了这个输出：

[[ -5.92878775e-323  -2.77777778e+000]
 [ -4.94065646e-324  -4.44444444e-001]
 [  4.94065646e-323   1.88888889e+000]]

之前，在 这个问题的回答 中，我能够使用 numpy.dot 来预测测试数据 X_test 的值，像这样：

np.dot(X_test, temp_g.params)

我觉得这很简单，因为 endog 向量 y 是一维数组。但是当我的 endog 向量在这种情况下是二维的 z 时，这个过程是怎么工作的呢？当我尝试用一维版本中使用的那行代码时，我遇到了以下错误：

   self._check_integrity()
  File "C:\Users\app\Anaconda\lib\site-packages\statsmodels\base\data.py", line 247, in _check_integrity
    raise ValueError("endog and exog matrices are different sizes")
ValueError: endog and exog matrices are different sizes

Answer 1

np.dot(X_test, temp_g.params) 这个操作应该还是可以用的。

在某些情况下，你需要检查一下矩阵的方向，有时候需要进行转置。

不过，predict 以及大多数其他结果的方法是无法使用的，因为模型假设因变量 z 是一维的。

问题又回到了你想要做什么？

如果你想独立地处理 z 的每一列，那么就要逐列进行，这样每个 y 才是一维的。

for y in z.T: res = WLS(y, X).fit()

z.T 让你可以逐列进行操作。

在其他情况下，我们通常会把模型堆叠起来，使得 y 是一维的，第一部分是 z[:,0]，第二部分是 z[:,1]。设计矩阵或者解释变量的矩阵也需要相应地扩展。

对于多元因变量的支持正在开发中，但还需要一些时间才能准备好。