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

---

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。