Python STATSOLS线性回归模型-为什么我有多重回归参数？

我正在进行一个线性回归来拟合y=x+c1+c2+c3+c4+…+cn（c1..cn是协变量）

在我输出总结结果后，出现了一些奇怪的情况，我不确定为什么会出现这种情况：

    OLS Regression Results                            
==============================================================================
Dep. Variable:                   pgrs   R-squared:                       0.038
Model:                            OLS   Adj. R-squared:                 -0.012
Method:                 Least Squares   F-statistic:                    0.7565
Date:                Wed, 16 Aug 2017   Prob (F-statistic):              0.716
Time:                        11:12:02   Log-Likelihood:                -18.623
No. Observations:                 284   AIC:                             67.25
Df Residuals:                     269   BIC:                             122.0
Df Model:                          14                                         
Covariance Type:            nonrobust                                         
================================================================================
                   coef    std err          t      P>|t|      [0.025      0.975]
--------------------------------------------------------------------------------
Intercept        0.5331      0.272      1.957      0.051      -0.003       1.069
x[T.0]    -0.2568      0.327     -0.786      0.433      -0.900       0.387
x[T.1]    -0.0574      0.280     -0.205      0.837      -0.608       0.493
x[T.2]    -0.1556      0.277     -0.562      0.575      -0.701       0.390
x[T.3]     0.0182      0.273      0.067      0.947      -0.519       0.555
x[T.4]    -0.0114      0.271     -0.042      0.967      -0.545       0.523
x[T.5]     0.0067      0.272      0.025      0.980      -0.529       0.542
x[T.6]    -0.0321      0.269     -0.119      0.905      -0.562       0.498
x[T.7]     0.0262      0.271      0.097      0.923      -0.507       0.559
x[T.8]    -0.0542      0.270     -0.200      0.841      -0.586       0.478
x[T.9]    -0.0529      0.272     -0.195      0.846      -0.588       0.482
c1           0.0625      0.039      1.615      0.107      -0.014       0.139
c2           -0.0016      0.007     -0.219      0.827      -0.016       0.013
c3              0.2052      0.356      0.576      0.565      -0.496       0.906
c4              0.0986      0.397      0.249      0.804      -0.682       0.880
==============================================================================
Omnibus:                        2.789   Durbin-Watson:                   1.865
Prob(Omnibus):                  0.248   Jarque-Bera (JB):                3.018
Skew:                          -0.000   Prob(JB):                        0.221
Kurtosis:                       3.505   Cond. No.                         525.
==============================================================================

Warnings:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.

为什么我有多个x参数？只有当x是我的数据集中的一个特定功能时，才会发生这种情况。有没有办法解决这个问题，或者这是一种有意的行为，这意味着什么？具体来说，[T.0]。。。[T.9]什么意思

我使用statsmodels来适应上述功能

    # Returns a string y ~ trait + c1 + ... + cn
    f = math_expr([trait] + covariates, y)
    lm = ols(formula=f, data=df).fit()

---

您的数据似乎没有被解释为数字，可能是因为数据中有一个占位符用于表示缺少的值（例如“？”），这意味着整个列将被分配给字符串类型。您需要将列转换为数值，例如，在导入dataframe之后，插入以下代码片段：

df[column_name] = pd.to_numeric(df[column_name], errors='coerce')

---

第二个参数会将任何错误值（如“？”）更改为数字NaN。

请您向我们展示您用于此匹配的statsmodels代码，好吗？当然，我现在已经包括了它们。我不熟悉

数学表达式。如果它有用的话，当我一直试图理解使用了什么模型时，我就求助于运行来查看设计矩阵。patsy将x视为一个分类变量。也许x的值是字符串。这就是问题所在。或者，我在从csv文件读入时更正了pandas数据帧，以忽略我设置为“”的值