Python中Probit回归结果仅显示系数其余为NaN的问题求助

问题根源 #

你用的fit_regularized()方法，在statsmodels里默认不会计算标准误、p值、置信区间这类推断统计量，所以输出的summary2里这些字段全是NaN——这不是bug，是方法的默认行为，因为正则化估计的方差计算逻辑更复杂，默认没开启。

具体解决办法 #

1. 开启协方差矩阵计算（获取推断统计量）

如果确实需要正则化，同时想要标准误等结果，调用fit_regularized()时加上calc_cov=True参数，同时指定正则化方法（比如L1或L2）。示例代码：

import statsmodels.api as sm
# 记得给特征加常数项，statsmodels默认不含截距
X = sm.add_constant(X)
probit_model = sm.Probit(y, X)
# 以L1正则为例，开启协方差计算
result = probit_model.fit_regularized(method='l1', calc_cov=True)
print(result.summary2())

注意：正则化后的方差是近似估计，比如基于Hessian矩阵或三明治估计，结果仅供参考。

2. 改用普通拟合方法（不需要正则化时）

如果你的数据不需要正则化（比如没有多重共线性、过拟合问题），直接用普通的fit()方法，会自动计算所有统计量：

import statsmodels.api as sm
X = sm.add_constant(X)
probit_model = sm.Probit(y, X)
result = probit_model.fit()
print(result.summary2())

3. 额外检查点

• 确认特征矩阵X是否添加了常数项：statsmodels的线性模型（包括Probit）默认不包含截距，必须手动用sm.add_constant()添加，否则模型设定可能有问题。
• 检查Robust Scaler处理后的数据：有没有出现极端值或NaN，确保输入数据没有异常。

内容的提问来源于stack exchange，提问作者silent_hunter