使用 Pandas OLS 进行预测

我一直在使用scikits.statsmodels OLS 预测 http://statsmodels.sourceforge.net/generated/scikits.statsmodels.regression.linear_model.OLS.predict.html#scikits.statsmodels.regression.linear_model.OLS.predict函数来预测拟合数据，但现在想转向使用 Pandas。

文档指 OLS http://pandas.pydata.org/pandas-docs/stable/computation.html#standard-ols-regression以及一个名为的函数y_预测 http://pandas.sourceforge.net/stats.plm.html#pandas.stats.plm.MovingPanelOLS.y_predict但我找不到任何有关如何正确使用它的文档。

举例来说：

exogenous = {
    "1998": "4760","1999": "5904","2000": "4504","2001": "9808","2002": "4241","2003": "4086","2004": "4687","2005": "7686","2006": "3740","2007": "3075","2008": "3753","2009": "4679","2010": "5468","2011": "7154","2012": "4292","2013": "4283","2014": "4595","2015": "9194","2016": "4221","2017": "4520"}
endogenous = {
    "1998": "691", "1999": "1580", "2000": "80", "2001": "1450", "2002": "555", "2003": "956", "2004": "877", "2005": "614", "2006": "468", "2007": "191"}

import numpy as np
from pandas import *

ols_test = ols(y=Series(endogenous), x=Series(exogenous))

然而，虽然我可以制作一个合适的：

>>> ols_test.y_fitted
1998     675.268299
1999     841.176837
2000     638.141913
2001    1407.354228
2002     600.000352
2003     577.521485
2004     664.681478
2005    1099.611292
2006     527.342854
2007     430.901264

预测没有产生任何不同：

>>> ols_test.y_predict
1998     675.268299
1999     841.176837
2000     638.141913
2001    1407.354228
2002     600.000352
2003     577.521485
2004     664.681478
2005    1099.611292
2006     527.342854
2007     430.901264

在 scikits.statsmodels 中，我们将执行以下操作：

import scikits.statsmodels.api as sm
...
ols_model = sm.OLS(endogenous, np.column_stack(exogenous))
ols_results = ols_mod.fit()
ols_pred = ols_mod.predict(np.column_stack(exog_prediction_values))

我如何在 Pandas 中执行此操作以将内生数据预测到外生数据的极限？

更新：感谢 Chang，新版本的 Pandas (0.7.3) 现在已将此功能作为标准功能。

您的问题是如何获得回归的预测 y 值？或者是如何使用回归系数来获得外生变量的不同样本集的预测 y 值？ pandas y_predict 和 y_fitted 应该为您提供相同的值，并且两者都应该为您提供与 scikits.statsmodels 中的预测方法相同的值。

如果您正在寻找回归系数，请执行 ols_test.beta