Question

我目前正在使用

在Python中设置约束回归。

for i in range(2 ** 32):
    byte3 = i & 0xff
    byte2 = i & 0xff00
    byte1 = i & 0xff0000
    byte0 = i & 0xff000000
    print('%d.%d.%d.%d' % (byte0 >> 24, byte1 >> 16, byte2 >> 8, byte3))

StatsModel的

函数，但是在尝试使用多个约束进行设置时遇到了一些问题。我有七个系数，包括一个常数。我要进行设置，以使虚拟1和虚拟2的加权和等于零，并且虚拟3和虚拟4的加权和等于零。要使用单个约束示例，

import statsmodels.api as sm

model = sm.GLM(Y,X)    
model.fit_constrained 

'''Setting the restrictions on parameters in the form of (R, q), where R 
and q are constraints' matrix and constraints' values, respectively. As
for the restriction in the aforementioned regression model, i.e., 
c = b - 1 or b - c = 1, R = [0, 1, -1] and q = 1.'''

其中a和b是虚拟3和虚拟4的权重，并且是我预先定义的变量。

如果我没有a和b变量，并且假人的权重相等，那么我可以使用语法

results = model.fit_constrained(([0, 0, 0, a, b, 0, 0], 0))

但是当我尝试使用类似的语法时

fit_constrained('Dummy1 + Dummy2, Dummy3 + Dummy4')

我得到了错误

results = model.fit_constrained(([0, 0, 0, a, b, 0, 0], 0),([0, c, d, 0, 0, 0, 0], 0))

有人有什么想法吗？非常感谢！

Answer 1

我仍然不确定您正在运行哪种模型（发布Minimal, Complete, and Verifiable example肯定会有所帮助），但是以下方法应该适用于GLM。在docs中，我们有

约束（公式表达式或元组）–如果是元组，则约束必须由两个数组（constraint_matrix，constraint_value）给定，即（R ，q）。否则，约束可以给出为字符串或字符串列表。有关详细信息，请参见t_test。

这意味着函数调用应遵循以下几行

R = [[0, 0, 0, a, b, 0, 0],
     [0, c, d, 0, 0, 0, 0]]
q = [0, 0]

results = model.fit_constrained((R, q))

这应该可以，但是由于我们没有您的模型，因此我不确定R * params = q是否必须根据文档进行保存。

Python中具有多个约束的约束回归

1 个答案: