使用statsmodels进行条件logit模型概率预测时遇NotImplementedError

问题根源 #

statsmodels 0.12.2版本的ConditionalLogit类并未实现predict()方法，官方文档描述可能滞后于实际功能进度，这就是调用报错的直接原因。

方案一：手动计算预测概率 #

条件logistic回归核心是基于组内相对概率建模，我们可以用模型参数手动推导预测值，步骤如下：

1. 计算线性预测值：xb = 自变量 × 模型参数（若自变量是多维数组，改用矩阵乘法x @ params）
2. 对每个分组，将组内样本的xb指数化得到exp(xb)
3. 每个样本的预测概率 = 自身exp(xb) ÷ 组内所有exp(xb)的总和

代码示例

from statsmodels.discrete.conditional_models import ConditionalLogit
import numpy as np

# 生成模拟数据
g = np.kron(np.arange(100), np.ones(5)).astype(int)
x = np.random.normal(size=500)
pr = 1 / (1 + np.exp(-x))
y = (np.random.uniform(size=500) < pr).astype(int)

# 拟合模型
m = ConditionalLogit(endog=y, exog=x, groups=g)
r = m.fit()

# 手动计算预测概率
params = r.params
xb = x * params  # 多维自变量请替换为 x @ params

pred_probs = np.zeros_like(xb)
unique_groups = np.unique(g)

for group in unique_groups:
    mask = g == group
    group_exp_vals = np.exp(xb[mask])
    pred_probs[mask] = group_exp_vals / group_exp_vals.sum()

# 查看前5个样本的预测概率
print(pred_probs[:5])

方案二：升级statsmodels版本 #

statsmodels在0.13.0及后续版本中已补充实现ConditionalLogit.predict()方法，直接升级包即可解决问题：

pip install --upgrade statsmodels

升级后可像无条件Logit模型那样直接调用r.predict(x)，内部逻辑与手动计算的组内归一化逻辑一致。

内容的提问来源于stack exchange，提问作者Ali Fahmi