使用patsy和statsmodels的正确分段回归和冻结系数语法是什么？

Question

我试图运行一个多元分段GLM，在同一个模型中，冻结一些系数，但显然我使用了错误的语法，因为结果不正确

以下是公式的一个示例：

pricing_1_formula = "pure_premium ~ I((channel_model == 'DIR')*1.1) + I((channel_model == 'IA')*1) + \
         I((channel_model == 'EA')*1) + I((credit_model_52778 ==1)*credit_model_52778) + \
         I((credit_model_52778 ==2)*credit_model_52778) + I((credit_model_52778 ==3)*credit_model_52778) +\
         I((credit_model_52778 >= 500)*credit_model_52778) + credit_model_52778"

要打破这一点，信用模型实际上包含分数和编码变量“1”、“2”和“3”是“不适用”的代码，因为信用评分不适用于该观察、无点击和精简文件。我希望他们根据模型浮动，然后在500开始的所有其他分数中拟合一条1度的线

我想保持通道的系数不变，这样来自“DIR”通道的任何观测值的系数都为1.1（对于GLM摘要为.1），对于通道为“IA”和“EA”的任何观测值，系数都为1

然而，“DIR”的系数返回为-29.1108。我不确定语法应该是什么