为何Python与R中加权逻辑回归模型的AIC结果不一致？

问题根源 #

Python中Statsmodels的var_weights参数语义和R的glm中weights参数在Binomial族下的语义完全不同：

• R的weights在Binomial模型中，当响应是比例时，代表该比例对应的总试验次数，本质是将分组数据（成功数/总数）按二项分布处理。
• 你之前用的var_weights是用于调整观测值的方差权重，并非指定二项试验的总次数，这会导致Statsmodels错误地将每个比例视为独立的伯努利观测，进而计算出错误的对数似然和AIC。

修正后的Python代码 #

要让两者结果一致，需要让Statsmodels正确处理二项式分组数据：将响应变量指定为成功数（Use），让Binomial族结合总试验次数完成计算。

# Imports
import numpy as np
import pandas as pd
import statsmodels.formula.api as smf
import statsmodels.api as sm

# 创建数据集
use = np.array([5,7,11,20,47,49,54,53,76])
total = np.array([30,33,35,40,67,61,63,59,80])
age = np.arange(16, 25)
df = pd.DataFrame({"Use": use, "Total": total, "Age": age})

# 正确构建二项式GLM模型
logit_model = smf.glm(formula = "Use ~ Age", data = df,
                  family = sm.families.Binomial(link=sm.families.links.Logit())).fit()

# 输出结果与AIC
print(logit_model.summary())
print("AIC:", logit_model.aic)

修正后的结果说明 #

运行上述代码后，你会发现：

• 回归系数和R的结果完全一致（Intercept=-11.3464，Age=0.5996）
• AIC值会接近R中的40.12，两者仅因计算精度略有差异
• 对数似然、Deviance等指标也会和R的输出对齐

内容的提问来源于stack exchange，提问作者Billy