我正在运行一个分析,可以从BEA区域的聚类中获益。我以前没有在Statsmodels中使用集群标准错误选项,所以我不清楚我是不是搞错了语法,还是该选项被破坏了。任何帮助都将不胜感激。在
下面是代码的相关部分(请注意,topline_specs
dict返回Patsy样式的公式):
#Capture topline specs
topline_specs={'GO':spec_dict['PC_GO']['Total']['TYPE']['BOTH'],
'RV':spec_dict['PC_RV']['Total']['TYPE']['BOTH'],
'ISSUER':spec_dict['PROP']['ISSUER']['TYPE']['BOTH'],
'PURPOSE':spec_dict['PROP']['PURPOSE']['TYPE']['BOTH']}
#Estimate each model
topline_mods={'GO':smf.ols(formula=topline_specs['GO'],data=data_d).fit(cov_type='cluster',
cov_kwds={'groups':data_d['BEA_INT']})}
topline_mods['GO']
回溯源于一个numpy调用。它返回以下值:
^{pr2}$我所能找到的关于使用聚集标准错误的所有内容看起来都像cov_kwds
参数可以从包含模型数据的数据帧中获取一系列。我错过了什么?在
当使用公式创建模型时,丢失值处理默认为“drop”,并且从给定给模型的所有数据数组(
__init__
)中删除缺少观察值的行。在非公式接口中,当前默认值是忽略缺少的值。在但是,在稍后给出的数组中,当前没有检查和自动删除丢失的值,在本例中,
cov_kwds
中需要的数据。如果这是一组原始的观测值,但是有些观测值在因变量和解释变量中被删除,那么就会出现长度不匹配,并且会引发报告的异常。在我重新打开了https://github.com/statsmodels/statsmodels/issues/1220,因为在通过pandas索引获得足够信息的特殊情况下,可以处理丢失的值。在
相关问题 更多 >
编程相关推荐