Python Linearmodels FamaMacBeth'；列表'；参数必须没有否定元素

我试图使用linearmodels（版本4.8）中的FamaMacBeth功能运行一些Fama MacBeth回归，但遇到以下错误：

ValueError                                Traceback (most recent call last)
 <ipython-input-7-f393d4c071f0> in do_panel(list_dfs, y_var, control_vars, 
method)
      37         print(fmb_df[y_var].head())
      38         print(fmb_df[new_x_vars].head())
 ---> 39         model = FamaMacBeth(fmb_df[y_var], sm.add_constant(fmb_df[new_x_vars])).fit()
      40     return model
      41 

~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site-packages\linearmodels\panel\model.py in fit(self, cov_type, debiased, **cov_config)
     1940         cov = cov_est(wy, wx, params, all_params, debiased=debiased, **cov_config)
     1941         df_resid = wy.shape[0] - params.shape[0]
  -> 1942         res = self._postestimation(params, cov, debiased, df_resid, weps, wy, wx, root_w)
     1943         index = self.dependent.index
     1944         res.update(dict(df_resid=df_resid, df_model=x.shape[1], nobs=y.shape[0],

 ~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site-packages\linearmodels\panel\model.py in _postestimation(self, params, cov, debiased, df_resid, weps, y, x, root_w)
     441         f_pooled = InapplicableTestStatistic(reason='Model has no effects',
     442                                              name='Pooled F-stat')
 --> 443         entity_info, time_info, other_info = self._info()
     444         nobs = weps.shape[0]
     445         sigma2 = float(weps.T @ weps / nobs)

 ~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site-packages\linearmodels\panel\model.py in _info(self)
     223 
     224         entity_info = stats(self.dependent.entity_ids.squeeze(),
 --> 225                             'Observations per entity')
     226         time_info = stats(self.dependent.time_ids.squeeze(),
     227                           'Observations per time period')

 ~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site-packages\linearmodels\panel\model.py in stats(ids, name)
     217 
     218         def stats(ids, name):
 --> 219             bc = np.bincount(ids)
     220             index = ['mean', 'median', 'max', 'min', 'total']
     221             out = [bc.mean(), np.median(bc), bc.max(), bc.min(), bc.shape[0]]

ValueError: 'list' argument must have no negative elements

ValueError回溯（最近一次调用）
在do_面板中（列出dfs、y_变量、控制变量、，
（方法）
37打印（fmb_df[y_var].head（））
38打印（fmb_df[new_x_vars].head（））
--->39 model=fammacbeth（fmb_-df[y_-var]，sm.add_常数（fmb_-df[new_-x_-vars]））.fit（）
40返回模式
41
~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site packages\linearmodels\panel\model.py合适（self，cov\u type，debiaed，**cov\u config）
1940 cov=cov_est（wy，wx，参数，所有参数，debiased=debiased，**cov_配置）
1941 df_resid=wy.形状[0]-参数形状[0]
->1942 res=自我后估计（参数、cov、借方、df_剩余、weps、wy、wx、根w）
1943索引=自相关索引
1944 res.update（dict（df_resid=df_resid，df_model=x.shape[1]，nobs=y.shape[0]，
~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site packages\linearmodels\panel\model.py in\u postestimation（self、params、cov、debiased、df\u resid、weps、y、x、root\u w）
441 f_pooled=不适用的TestStatistic（reason='Model has no effects'，
442 name='pool F-stat'）
-->443实体信息、时间信息、其他信息=自身信息
444 nobs=weps.shape[0]
445 sigma2=浮动（weps.T@weps/nobs）
~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site packages\linearmodels\panel\model.py in\u info（self）
223
224 entity_info=stats（self.dependent.entity_id.squence（），
-->225“每个实体的观察结果”）
226 time_info=stats（self.dependent.time_id.squence（），
227“每个时间段的观测值”）
统计信息中的~\AppData\Local\Continuum\anaconda3\envs\py36\lib\site packages\linearmodels\panel\model.py（ID、名称）
217
218 def统计数据（ID、名称）：
-->219 bc=np.bincount（ID）
220指数=[“平均值”、“中值”、“最大值”、“最小值”、“总计”]
221 out=[bc.mean（），np.median（bc），bc.max（），bc.min（），bc.shape[0]]
ValueError:“list”参数必须没有负元素

我试着在谷歌上搜索，我得到的另一个结果是来自numpy来源：

我一辈子都搞不清楚到底出了什么问题。我的熊猫数据框中的值肯定允许为负值，对吗？非常感谢您的帮助，提前表示感谢

---

编辑：用详细的错误回溯更新。

您能提供代码中错误发生位置的其他上下文吗？显示错误发生位置的代码示例将非常棒！我用更详细的错误回溯编辑了原始帖子。我非常确定错误发生在FamaCambeth中，因为当我使用更简化的d时ATAMACBETH（y_var，sm.add_constant（fmb_df[x_vars]））.fit（），我得到了相同的错误。这有帮助吗？谢谢！发生的是

np.bincount（）

不接受负值，这就是出现错误的原因。

linearmodels

包应该有逻辑，以确保此操作正常失败，并显示更详细的错误消息。谢谢！那么您知道传递给np.bincount（）的是什么吗所以我可以避免它？你能提供一个你正在使用的输入数据的例子，这样我们就可以重新创建错误吗？看起来像是从数据帧的索引中派生出来的某种东西正在传递给

np.bincount（）

，但是你的数据结构可能会影响该索引的外观。