statsmodels 二维核回归

Question

我有一个包含 3 列的数据框['X', 'Y', 'Z']，我想研究X和如何Y影响 的分布Z。为此，我想使用 nadaraya watson 的非参数回归器。在 statsmodels 中有一个名为 KernelReg 的类来实现它。

虽然我能够成功运行一维回归的代码（Zon Xand Zon Y），但我很难运行它来进行二维回归。

我的代码如下：XYZ是我的数据框

xv = XYZ['X'].values; yv = XYZ['Y'].values; zv = XYZ['Z'].values

from statsmodels.nonparametric.kernel_regression import KernelReg
ksrmv = KernelReg(endog=zv, exog= [xv, yv], var_type='c')

我得到的错误是cannot reshape array of size 3171442 into shape (2,1)

xv.shape = yv.shape = zv.shape =(1585721,)

我已经尝试了指定 exog 的不同替代方法，例如

XYZ.loc[:, ['X', 'Y']] or XYZ.loc[:, ['X', 'Y']].values or np.concatenate([xv[:, None], yv[:, None]])

总是同样的错误。

在statsmodels中exog的描述中。它应该是自变量的列表。列表中的每个元素都是一个单独的变量，我不知道如何解释它。

Answer 1

我相信需要为同一字符串（即在参数中）中的每个自变量给出变量类型var_type。如果两个变量都是连续的，那么您的情况的代码将是：

ksrmv = KernelReg(endog=zv, exog= [xv, yv], var_type='cc')