OLS拟合特殊场景触发ValueError：exog非1/2维，如何返回指定结果？

原代码报错的核心原因是：当因变量y全为NaN时，missing="drop"会删除所有观测样本，导致自变量矩阵exog变成空数组，OLS模型无法完成拟合，从而抛出ValueError: exog is not 1d or 2d异常。

要实现该场景下返回array([[nan., nan.]])的需求，可采用以下两种方案：

方案一：手动预处理缺失值 #

提前过滤含缺失值的样本，判断剩余有效样本量，再决定返回结果或正常拟合：

import numpy as np
import statsmodels.api as sm

y = np.array([np.nan])
exog = sm.add_constant(np.array([[1]]), has_constant="add")

# 合并因变量与自变量，筛选无缺失值的行
combined_data = np.column_stack([y, exog])
valid_indices = ~np.isnan(combined_data).any(axis=1)
filtered_y = y[valid_indices]
filtered_exog = exog[valid_indices]

if len(filtered_y) == 0:
    result_params = np.array([[np.nan, np.nan]])
else:
    model = sm.OLS(filtered_y, filtered_exog).fit()
    result_params = model.params.reshape(1, -1)

print(result_params)

方案二：捕获特定异常 #

用try-except包裹拟合流程，仅针对目标异常返回指定结果：

import numpy as np
import statsmodels.api as sm

y = np.array([np.nan])
exog = sm.add_constant(np.array([[1]]), has_constant="add")

try:
    result_params = sm.OLS(y, exog, missing="drop").fit().params.reshape(1, -1)
except ValueError as e:
    # 仅处理"exog is not 1d or 2d"这个特定异常
    if "exog is not 1d or 2d" in str(e):
        result_params = np.array([[np.nan, np.nan]])
    else:
        # 其他ValueError情况重新抛出，不掩盖问题
        raise

print(result_params)

两种方案均可实现需求：当所有样本因缺失被删除时返回含两个NaN的二维数组；正常场景下则返回OLS拟合的参数。

内容的提问来源于stack exchange，提问作者lebesgue