Python线性模型：如何让Python知道这些是标识组的ID列？

我想对一组个体进行面板回归（固定效应模型），这些个体在时间

t

上由

省

和

市

唯一识别

创建dataframe并运行回归的代码

将numpy导入为np
作为pd进口熊猫
从linearmodels导入PanelOLS
数据={'y'：[1,2,3,1,0,3]，
“x1”：[0,1,2,3,0,2]，
‘x2’：[1,1,3,2,1,0]，
‘t’：[‘2020-02-18’、‘2020-02-18’、‘2020-02-17’、‘2020-02-18’、‘2020-02-18’、‘2020-02-17’，
‘省’：[‘A’、‘A’、‘B’、‘B’、‘B’、‘B’]，
‘城市’：[a’、‘b’、‘a’、‘a’、‘c’、‘a’]
dataframe=pd.dataframe（数据，列=['y'，'x1'，'x2'，'t'，'province'，'city']）
dataframe=dataframe.set_索引（['t'，'province'，'city']，append=True）
mod=PanelOLS（dataframe.y，dataframe[['x1'，'x2']]，entity_effects=True）

但我得到了一个错误，它说“数据帧输入必须有一个2级的多索引。”

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
1 dataframe=dataframe.set_索引（['t'，'province'，'city']，append=True）
---->2 mod=PanelOLS（dataframe.y，dataframe['x1'，'x2']]，entity_effects=True）
C:\ProgramData\Anaconda3\lib\site packages\linearmodels\panel\model.py in\uuuuuu init\uuuuuuuuuuuuuuu（自相关、exog、权重、实体效果、时间效果、其他效果、单件、下拉）
1038下降吸收：布尔=假，
1039）->无：
->1040 super（PanelOLS，self）。\uuuuu init\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
1041
1042自我实体效应=实体效应
C:\ProgramData\Anaconda3\lib\site packages\linearmodels\panel\model.py in\uuuuuuu init\uuuuuu（自相关、exog、权重）
224权重：可选[PanelDataLike]=无，
225）->无：
-->226 self.dependent=面板数据（依赖，“Dep”）
227 self.exog=面板数据（exog，“exog”）
228 self.\u原始形状=self.dependent.shape
C:\ProgramData\Anaconda3\lib\site packages\linearmodels\panel\data.py in\uuuuuu init\uuuuu（self，x，var\u name，convert\u dummies，drop\u first，copy）
198如果len（x索引级别）！=2:
199升值错误(
-->200“数据帧输入必须具有“具有2个级别的多索引”
201                     )
202如果存在（自身原始（数据帧、面板数据、系列））：
ValueError:数据帧输入必须具有具有两个级别的多索引

作为解决方案，而不是

dataframe=dataframe.set_index(['t','province','city'], append=True)

我这样做

dataframe=dataframe.set_index(['t'], append=True)

---

这将允许模型通过。但我不知道为什么。在本例中，我使用两列来标识组如果我需要三列来标识我的组怎么办python如何区分ID和x变量？

根据， 我需要一个单一的实体

将numpy导入为np
作为pd进口熊猫
从linearmodels导入PanelOLS
数据={'y'：[1,2,3,1,0,3]，
“x1”：[0,1,2,3,0,2]，
‘x2’：[1,1,3,2,1,0]，
‘t’：pd.截止日期时间（‘2020-02-18’、‘2020-02-18’、‘2020-02-17’、‘2020-02-18’、‘2020-02-18’、‘2020-02-17’），
‘省’：[‘A’、‘A’、‘B’、‘B’、‘B’、‘B’]，
‘城市’：[a’、‘b’、‘a’、‘a’、‘c’、‘a’]
dataframe=pd.dataframe（数据，列=['y'，'x1'，'x2'，'t'，'province'，'city']）
dataframe[“城市普罗旺斯”]=[（c，p）表示压缩中的c，p（dataframe.city，dataframe.province）]
dataframe=dataframe.set_索引（[“普罗旺斯市”，“t”]）
y x1 x2省会城市
普罗旺斯市
（a）2020-02-18 101 a
（b，A）2020-02-18 2 1 A b
（a，a）2020-02-17 3 a
（a，B）2020-02-18 1 3 2 B a
（c，B）2020-02-18 01 B c
（a，B）2020-02-17 3 2 0 B a