Statsmodels OLS聚集标准错误（不接受来自DF的系列？）

Question

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_specsdict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

Answer 1

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