如何解决Python混合效应线性回归中的ValueError错误

错误原因分析 #

你遇到的错误核心是**C(stage)将因变量转换为了多列虚拟变量**，而smf.mixedlm要求因变量是单列的数值型数组。当stage只有2个不同的整数值时，C()函数会生成一个2列的虚拟矩阵（默认处理逻辑），这就触发了endog（因变量）形状不匹配的错误。

修正方案 #

1. 移除因变量的C()包裹

直接使用原始的stage列作为因变量即可——你已经确认它是整数类型，完全符合线性回归对数值因变量的要求：

!pip install -q statsmodels
import numpy as np
import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf

mf = pd.read_csv('mca.csv')
mf.dropna(inplace=True)

# 可选：验证关键列的数据类型
print(mf[['stage', 'overallscore', 'spatialreasoning', 'numericalmem']].dtypes)

# 修正后的模型代码
model = smf.mixedlm("stage ~ overallscore + spatialreasoning + numericalmem",
                    data=mf, groups="group")
result = model.fit()
print(result.summary())

2. 若stage是二元分类变量（需换用广义混合模型）

如果stage是0/1这类二元分类变量，普通线性混合模型不适用，应该用广义线性混合模型（GLMM），示例代码：

# 拟合逻辑混合模型适配二元因变量
model = smf.mixedlm("stage ~ overallscore + spatialreasoning + numericalmem",
                    data=mf, groups="group", family=sm.families.Binomial())
result = model.fit()
print(result.summary())

其他可行实现方法 #

除了statsmodels，也可以使用pymer4库（封装了R的lme4接口，语法更简洁）：

!pip install -q pymer4
from pymer4.models import Lmer, Glmer

# 线性混合模型（适用于数值因变量）
model = Lmer("stage ~ overallscore + spatialreasoning + numericalmem + (1|group)", data=mf)
print(model.fit())

# 逻辑混合模型（适用于二元分类因变量）
model = Glmer("stage ~ overallscore + spatialreasoning + numericalmem + (1|group)", data=mf, family="binomial")
print(model.fit())

内容的提问来源于stack exchange，提问作者Anusha