使用Statsmodels内置数据集时OLS模型出现“Shapes not aligned”错误

错误修正 #

你的报错源于调用了未完成拟合的OLS模型对象的predict方法，正确操作是使用拟合后的结果对象执行预测。

错误原因 #

model = sm.OLS(train_y, train_x)仅创建了OLS模型的框架，并未完成参数拟合；results = model.fit()才是执行拟合流程、返回包含拟合参数与预测方法的结果对象。直接调用model.predict()会触发矩阵维度不匹配的错误。

修正后的代码 #

将预测行替换为拟合结果对象的调用即可，完整代码如下：

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels import datasets
from sklearn.model_selection import train_test_split

data = datasets.anes96.load_pandas().data

train, test = train_test_split(data, test_size=0.2)

x_vars = ['age', 'educ', 'selfLR']
y_var = 'PID'

train_x = train[x_vars]
train_x = sm.add_constant(train_x)
train_y = train[y_var]

model = sm.OLS(train_y, train_x)
results = model.fit()
# 建议开启该行查看模型拟合统计摘要，评估模型质量
# print(results.summary())

test_x = test[x_vars]
test_x = sm.add_constant(test_x)

# 使用拟合后的results对象执行预测
predictions = results.predict(test_x)

建模与数据集使用建议 #

• 模型拟合验证：拟合完成后务必查看results.summary()，通过系数p值（判断特征显著性）、R²（模型解释力）、F统计量（模型整体显著性）等指标，确认模型拟合质量。
• 数据集预处理与认知：
  • 用data.info()检查变量类型、缺失值情况，data.describe()查看数值变量统计分布，提前处理缺失值或异常值；
  • 通过datasets.anes96.NOTE查看数据集官方说明，明确变量含义（比如PID代表党派认同，selfLR代表自我意识形态定位），帮助合理选择特征与解读结果。
• 测试集性能评估：预测完成后，可结合测试集真实值评估模型泛化能力，例如计算均方误差：

  from sklearn.metrics import mean_squared_error
  mse = mean_squared_error(test[y_var], predictions)
  print(f"测试集均方误差: {mse:.2f}")
  

• 特征一致性保障：确保训练集与测试集的特征处理逻辑完全一致，比如统一添加常数项、选择相同特征列，避免因特征维度或顺序不一致引发错误。

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