python多元回归 导出参数统计结果_如何从统计模型中WLS回归的二维参数得到检验的预测...

我使用statsmodels递增地增加WLS regression functions的参数。在

我有一个10x3的数据集X，我这样声明：X = np.array([[1,2,3],[1,2,3],[4,5,6],[1,2,3],[4,5,6],[1,2,3],[1,2,3],[4,5,6],[4,5,6],[1,2,3]])

这是我的数据集，我有一个10x2endog向量，如下所示：

^{pr2}$

现在，在导入import statsmodels.api as sm之后，我执行以下操作：g = np.zeros([3, 2]) # g(x) is a function that will store the regression parameters

mod_wls = sm.WLS(z, X)

temp_g = mod_wls.fit()

print temp_g.params

我得到这个输出：[[ -5.92878775e-323 -2.77777778e+000]

[ -4.94065646e-324 -4.44444444e-001]

[ 4.94065646e-323 1.88888889e+000]]

之前，从the answer to this question开始，我可以使用numpy.dot预测测试数据X_test的值，如下所示：np.dot(X_test, temp_g.params)

我很容易理解，因为它是endog向量，y是一个1D数组。但是当endog向量，在这个例子中，z是2D的时候，它是怎么工作的呢？

当我尝试1D版本中使用的上述行时，我得到以下错误：self._check_integrity()

File "C:\Users\app\Anaconda\lib\site-packages\statsmodels\base\data.py", line 247, in _check_integrity

raise ValueError("endog and exog matrices are different sizes")

ValueError: endog and exog matrices are different sizes