如何在Statsmodels Logit模型中同时为多个变量设置偏移项？

statsmodels中Logit类的offset参数要求传入一维的数值序列，它代表线性预测项里固定系数的部分，必须是已知系数与对应变量相乘后的累加结果，而非多列变量矩阵或列表形式的多个序列。

你之前的错误在于直接传入了多列计算结果或序列列表，不符合offset参数的要求。正确做法是先计算已知系数与对应变量的线性组合，生成长度等于样本数的一维向量后再传入模型。

修正后的代码 #

import numpy as np
import pandas as pd
import statsmodels.discrete.discrete_model as smdm

# 构造示例数据
df = pd.DataFrame(np.random.randn(8, 4), columns=list('yxza'))
labels = np.random.randint(2, size=8)

# 已知系数
known = [0.2, 0.1]

# 计算多变量的offset：已知系数与对应变量的线性组合
offset = known[0] * df['z'] + known[1] * df['a']

# 训练模型
model_train = smdm.Logit(labels, df[['y', 'x']], offset=offset).fit()
# 查看模型结果
print(model_train.summary())

原理说明 #

Logit模型的线性预测公式为：
$$\text{linear predictor} = X\beta + \text{offset}$$
其中X是需要估计系数的变量矩阵，$\beta$是待求系数；offset是已知系数的变量部分，必须提前计算成单值向量，作为整体加入线性预测项，而非让模型处理多变量的系数组合。

内容的提问来源于stack exchange，提问作者Karl Mårka