SVAR模型拟合报错：'SVARResults'对象无'k_exog_user'属性求助

错误原因 #

你定义了外生变量exogenous_vars=["CPI"]但未将其传入SVAR模型初始化函数，导致模型结果对象SVARResults缺少统计外生变量数量的k_exog_user属性，进而在生成摘要时触发报错。此外，旧版本statsmodels的SVAR模块可能存在此类属性缺失的bug。

解决方案 #

1. 正确传递外生变量
   在创建SVAR模型时，通过exog参数传入外生变量数据集。
2. 升级statsmodels版本
   确保使用0.14.x及以上的稳定版本，修复早期版本的SVAR属性缺失问题。
3. 验证约束矩阵格式
   确认A、B矩阵的符号约束（'E'表示待估计参数）符合当前statsmodels版本的要求。

修正后的完整代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.api import SVAR

# 假设GDP、CPI_q等变量已提前处理完成
data_q = pd.DataFrame({'GDP': GDP,
                       'CPI': CPI_q, 
                       'Interest_rate': Interest_rate_q, 
                       'Unemployment_rate': Unemployment_rate_q, 
                       'Yearly_inflation': Yearly_inflation_q}).dropna()

# 定义SVAR约束矩阵
A = np.array([
    [1, 0, 0, 0],
    ['E', 1, 0, 0],
    ['E', 'E', 1, 0],
    ['E', 'E', 'E', 1]
])
B = np.array([
    [1, 0, 0, 0],
    ['E', 1, 0, 0],
    ['E', 'E', 1, 0],
    ['E', 'E', 'E', 1]
])

endogenous_vars = ['GDP', 'Interest_rate', 'Unemployment_rate', 'Yearly_inflation']
exogenous_vars=["CPI"]

# 关键修正：传入外生变量exog参数
svar_model = SVAR(data_q[endogenous_vars], exog=data_q[exogenous_vars], svar_type='AB', A=A, B=B)
svar_results = svar_model.fit(2)
print(svar_results.summary(), '\n')

# 绘制脉冲响应函数
irf_svar = svar_results.irf(10)
irf_svar.plot(orth=True)
plt.show()

额外排查点 #

• 如果仍报错，尝试简化约束矩阵（例如用数值0替代部分'E'），验证模型基础功能是否正常，再逐步添加约束。
• 确认内生变量数量与A、B矩阵维度完全匹配（本例中4个内生变量对应4x4矩阵，符合要求）。

内容的提问来源于stack exchange，提问作者Oriol