使用python模块“statsmodels”中带有权重的健壮线性方法？

我有一些数据，y有误差，y_err，在x处测量。我需要拟合一条直线，模拟matlab中的一些代码，特别是拟合方法，并将权重设为1/yerr。matlab文档称，它使用了bisquare方法，也称为TukeyBiweight方法。到目前为止，我的代码是

    rlm_model = sm.RLM(y, x, M=sm.robust.norms.TukeyBiweight())
    rlm_results = rlm_model.fit()
    print rlm_results.params

但是，我需要找到一种方法来包含从yerr导出的权重。 希望大家能帮忙，这是我第一次尝试使用statsmodel模块

针对第一个答案： 我试过了

---

但遗憾的是，这与matlab函数不匹配。

反映异方差的权重，即观测值之间的不等方差，尚不受STATSRLM模型的支持

作为一种解决方法，您可以在调用RLM时将y和x除以YER

我认为，与加权最小二乘法类似，在这种情况下，参数估计、标准误差和其他统计数据仍然是正确的。但我还没查过

作为参考：

卡罗尔、雷蒙德J.和大卫·鲁佩特。异方差线性模型中的稳健估计。《统计年鉴》1982:429-441

它们也估计方差函数，但对于固定权重1/sigma_i，优化只使用

y_i-x_iβ/sigma_i

---

权重1/sigma_i仅为相对权重，仍将乘以误差范围的稳健估计。

我编辑了该问题以反映您的提示。同样感谢您的参考，因为我认为问题源于我对这类方法的理解不足。尝试y=y/yerr，除以yerr，权重是相反的。在除以x除以yerr之前，你必须加上常数，x/yerr。该常数也需要加权。

y=y*(yerr)
x=x*(yerr)

x=sm.add_constant(x, prepend=False)
rlm_model = sm.RLM(y, x, M=sm.robust.norms.TukeyBiweight())
results=rlm_model.fit()