在pandas dataframe:correlate（）中使用最大似然估计的自回归（AR）模型得到了一个意外的关键字参数“old behavior”

Question

我有一个pandas数据帧的子集，其中包含我要使用statsmodel使用AR或ARIMA模型分析的时间序列：

data_sci = H_Clinton_social_vector.Florida

数据如下：

^{pr2}$

我的AR模型是这样创建的，每周汇总时间序列：

ar_model = sm.tsa.AR(data_sci, freq='W')
ar_model
<statsmodels.tsa.ar_model.AR at 0x1178f5490>

下一步，我想对AR参数进行最大似然估计（MLE）拟合，滞后半年：

ar_res = ar_model.fit(maxlag=26, method='mle')

我得到以下结果：

correlate() got an unexpected keyword argument 'old behavior'

我不明白问题出在哪里，我假设这与数据的自相关有关，这是由于correlate（）参数造成的。我的数据有很高的自相关，所以这应该没问题。在

我不太熟悉stasmodels，我更喜欢避免从头开始编写AR或ARIMA模型。在

Answer 1

经过一些研究，问题是statsmodel与nump1.10的不兼容。虽然我有statmodel的最新版本，但是自相关（与最新版本的numpy不兼容）有一个内部问题，需要在Github安装主代码。在

首先，我发现了我所拥有的stasmodels依赖关系的版本：

Python >= 2.6, including Python 3.x
NumPy >= 1.5.1
SciPy >= 0.9.0
Pandas >= 0.7.1
Patsy >= 0.3.0

所有这些都没问题，所以为了从源代码安装，我需要Cython>；=20.1，这是我从here下载的。解压缩，导航到该目录并执行以下操作：

^{pr2}$

完成后，从Github导航到下载的statsmodel副本，并构建statmodel：

^{pr2}$

您将看到：

Cythonizing sources
Processing statsmodels/nonparametric/_smoothers_lowess.pyx
Processing statsmodels/nonparametric/linbin.pyx
Processing statsmodels/tsa/kalmanf/kalman_loglike.pyx
Processing statsmodels/tsa/statespace/_statespace.pyx.in

等等，过一段时间，你就会有最新版本的statsmodel了。现在，我的AR模型工作得很好，尽管有些警告可以忽略或禁用。在

Answer 2

您需要将numpy降级到1.9.2或更低版本，只是经过测试，代码不再出现此错误。这是由于调用_presample_varcov中的np.correlate()，其中statsmodels.tsa.armodel计算预采样方差协方差的倒数。在

Numpy在2015年6月(see docs)左右反对使用multiarray.correlate()（即old behavior），但是{}在这方面没有更新（0.6.1从2014年12月开始）。在