如何理解statsmodels中GLMGam的输出并正确使用gam.predict？

一、维度不匹配报错的原因与解决 #

错误根源 #

你的代码存在两个核心问题：

1. 混用from_formula与手动指定smoother：from_formula会自动生成基于原始特征的线性特征矩阵（截距+weight+hp，共3维），但手动传入的BSplines为weight和hp各构建了5个自由度的样条，模型最终参数维度为1（截距）+5+5=11维。predict时传入原始3维特征，自然出现维度对齐失败。
2. 未区分训练/测试集：训练时用了全量数据，不符合建模流程，且样条节点应基于训练集计算，不能用全量数据。

修正后的代码 #

from statsmodels.gam.tests.test_penalized import df_autos
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from statsmodels.gam.api import GLMGam, BSplines

# 数据预处理
df_autos_new = df_autos[['city_mpg', 'weight','hp']].copy()
X = df_autos_new.drop(columns='city_mpg')
y = df_autos_new['city_mpg']

# 划分训练测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 基于训练集构建B样条：指定weight和hp为平滑变量，各5自由度、3次样条
bs = BSplines(X_train, df=[5, 5], degree=[3, 3], include_intercept=False)

# 构建并训练GAM模型
gam = GLMGam(endog=y_train, exog=X_train, smoother=bs).fit()

# 查看模型摘要
print(gam.summary())

# 正确预测：模型会自动用训练时的样条参数转换测试集
y_pred = gam.predict(X_test)
print(f"预测结果维度：{y_pred.shape}")

二、GLMGam输出结果解读 #

1. 基础模型信息 #

• Dep. Variable：被预测的因变量（此处为city_mpg）
• No. Observations：训练样本数量
• Df Residuals：残差自由度 = 样本数 - 模型有效参数数
• Penalized Log-Likelihood：惩罚后的对数似然值，数值越大表示模型拟合效果越好
• AIC/BIC：模型选择指标，值越小说明模型在拟合度与复杂度之间的平衡越好

2. 平滑项（Smoother）结果 #

这部分是GAM的核心，对应每个非线性特征的拟合情况：

• df：预设的样条自由度
• edf：有效自由度（受惩罚项影响，通常小于预设df，值越接近df说明非线性效应越强）
• F/Chi2：检验统计量，用于判断该变量的非线性效应是否显著
• P值：若小于0.05，说明该变量的非线性关系对因变量有显著影响

3. 系数（Coefficients）表 #

每个样条基函数的系数，展示：

• coef：样条基的权重系数
• std err：系数的标准误，反映估计的稳定性
• z值/P值：检验系数是否显著不为0，P值<0.05说明该基函数对模型有贡献

内容的提问来源于stack exchange，提问作者Ada