加权线性回归-R到Python-Statsmodels
我试图将R代码翻译成Python,但在尝试复制包含“weights”的R lm{stats}函数时遇到了麻烦,因为它允许在拟合过程中使用权重 我的最终目标是使用statsmodels库在Python中运行一个加权线性回归 通过搜索我找到的Statsmodels问题,这让我认为这在Statsmodels中是不可能的加权线性回归-R到Python-Statsmodels,python,r,linear-regression,statsmodels,Python,R,Linear Regression,Statsmodels,我试图将R代码翻译成Python,但在尝试复制包含“weights”的R lm{stats}函数时遇到了麻烦,因为它允许在拟合过程中使用权重 我的最终目标是使用statsmodels库在Python中运行一个加权线性回归 通过搜索我找到的Statsmodels问题,这让我认为这在Statsmodels中是不可能的 是否可以在Statsmodels中为GLM模型添加权重,或者,是否有更好的方法在python中运行加权线性回归 WLS具有线性模型的权重,其中权重被解释为结果统计的逆方差。 stat
是否可以在Statsmodels中为GLM模型添加权重,或者,是否有更好的方法在python中运行加权线性回归 WLS具有线性模型的权重,其中权重被解释为结果统计的逆方差。 statsmodels的未发布版本具有GLM的频率权重,但没有方差权重。 请参见中的
freq\u weights
(在扩展权重类型和向其他模型添加权重方面存在许多未解决的问题,但这些问题目前还不可用。)听起来加权线性回归模型实际上相当困难(如果不滚动自己的模型)在python vs.R中,您是否知道除了Statsmodels或Scikit之外,python中是否还有其他用于加权回归的库?WLS有什么困难?它的模式与OLS相同,只是提供了一个额外的一维权重数组。