python - statsmodels 二维核回归

Question

我有一个包含 3 列的数据框 ['X', 'Y', 'Z'] 我想研究一下 X 和 Y影响Z的分布。为此，我想使用 nadaraya watson 的非参数回归器。在 statsmodels 中有一个名为 KernelReg 的类来实现它。

虽然我能够成功运行一维回归代码(X 上的 Z 和 Y 上的 Z )，我很难运行它进行二维回归。

我的代码如下:XYZ是我的数据框

xv = XYZ['X'].values; yv = XYZ['Y'].values; zv = XYZ['Z'].values

from statsmodels.nonparametric.kernel_regression import KernelReg
ksrmv = KernelReg(endog=zv, exog= [xv, yv], var_type='c')

我得到的错误是无法将大小为 3171442 的数组 reshape 为形状 (2,1)

xv.shape = yv.shape = zv.shape =(1585721,)

我已经尝试了指定 exog 的不同替代方法，例如

XYZ.loc[:, ['X', 'Y']] or XYZ.loc[:, ['X', 'Y']].values or np.concatenate([xv[:, None], yv[:, None]])

总是同样的错误。

statsmodels中exog的描述中。它应该是自变量的列表。列表中的每个元素都是一个单独的变量，我不知道如何解释它。

Answer 1

我认为需要为同一字符串中的每个自变量给出变量类型(即在 var_type 参数中)。如果两个变量都是连续的，则您的情况的代码将是:

ksrmv = KernelReg(endog=zv, exog= [xv, yv], var_type='cc')