从 OLS 获得一个与 StatsModels 0.6 到 0.8 不同的简单预测答案

【问题标题】：Getting a simple predict from OLS something different from .6 to .8 of StatsModels从 OLS 获得一个与 StatsModels 0.6 到 0.8 不同的简单预测
【发布时间】：2018-01-29 06:07:09
【问题描述】：

抱歉交叉发布但无法通过它我无法从预测函数获得输出：

我有一个 OLS 模型，它曾经与 SM .6 一起工作，但现在不能在 .8 中工作，而且 Pandas 从 19.2 增加到 20.3，所以这可能是问题吗？

我只是不明白我需要为 predict 方法提供什么。所以我的模型创建看起来像：

def fit_line2(x, y):
X = sm.add_constant(x, prepend=True) #Add a column of ones to allow the calculation of the intercept
ols_test = sm.OLS(y, X,missing='drop').fit()
"""Return slope, intercept of best fit line."""
X = sm.add_constant(x)
return ols_test

效果很好，我得到了一个模型，可以很好地看到摘要。我曾经这样做是为了通过使用我在 SM .6 中工作的最新值（我想向前预测）来提前一个时期进行预测预测调用如下：

 yrahead=ols_test.predict(ols_input)

ols 输入是从 pandas DF 创建的：

 ols_input=(sm.add_constant(merged2.lastqu[-1:], prepend=True))

 lastqu
 2018-12-31 13209.0  
 type:
 <class 'pandas.core.frame.DataFrame'>

调用预测为：

yrahead=ols_test.predict(ols_input)

这给了我一个错误： ValueError：形状 (1,1) 和 (2,) 未对齐：1 (dim 1) != 2 (dim 0)

我尝试通过将 ols_input 更改为：

13209.0
Type: 
<class 'numpy.float64'>

这给了我一个类似的错误： ValueError：形状 (1,1) 和 (2,) 未对齐：1 (dim 1) != 2 (dim 0)

不知道去哪里？

上面的基本 DataFrame 表（merged2）看起来像这样，最后一行 lastqu 列包含我想要预测 Units 的值：

               Units      lastqu    Uperchg  lqperchg
2000-12-31  19391.000000      NaN      NaN       NaN
2001-12-31  35068.000000   5925.0    80.85       NaN
2002-12-31  39279.000000   8063.0    12.01     36.08
2003-12-31  47517.000000   9473.0    20.97     17.49
2004-12-31  51439.000000  11226.0     8.25     18.51
2005-12-31  59674.000000  11667.0    16.01      3.93
2006-12-31  58664.000000  14016.0    -1.69     20.13
2007-12-31  55698.000000  13186.0    -5.06     -5.92
2008-12-31  42235.000000  11343.0   -24.17    -13.98
2009-12-31  40478.333333   7867.0    -4.16    -30.64
2010-12-31  38721.666667   8114.0    -4.34      3.14
2011-12-31  36965.000000   8361.0    -4.54      3.04
2012-12-31  39132.000000   8608.0     5.86      2.95
2013-12-31  43160.000000   9016.0    10.29      4.74
2014-12-31  44520.000000   9785.0     3.15      8.53
2015-12-31  49966.000000  10351.0    12.23      5.78
2016-12-31  53752.000000  10884.0     7.58      5.15
2017-12-31  57571.000000  12109.0     7.10     11.26
2018-12-31           NaN  13209.0      NaN      9.08

所以我使用 OLS 针对 lastqu 来预测 2018 年的单位

我坦率地承认，我并不真正理解为什么 SM .6 会以它的方式工作，但确实如此！

【问题讨论】：

标签： python pandas statsmodels

【解决方案1】：

在与 Statsmodels 的库作者讨论后，似乎存在错误，请参阅此处的讨论 https://groups.google.com/d/topic/pystatsmodels/a0XsXIiP5ro/discussion

请注意，我针对特定问题的最终解决方案是：

ols_input=np.array([1,merged2.lastqu[-1:].values])
yrahead=ols_test.predict(ols_input)

这会产生下一个时期的单位..

【讨论】：