使用statsmodels预测新数据遇ValueError: shapes不匹配问题求助

错误原因 #

训练模型时，你通过sm.add_constant(X)给特征矩阵添加了常数项（截距β₀对应的全1列），此时训练用的特征矩阵是5列（4个自变量+1个常数列），模型拟合出的系数向量长度为5（截距+4个自变量系数）。但预测新数据时，你只提取了4个自变量列，未添加常数项，导致特征矩阵维度为(143,4)，无法和长度为5的系数向量完成矩阵乘法，触发维度不匹配错误。

解决方案 #

方法一：给新数据添加常数项（推荐）

保持训练和预测时的特征处理逻辑一致，给新数据的特征矩阵也添加常数项：

X_new = df_new[['var1','var2','var3','var4']]
# 添加常数项，与训练时的处理对齐
X_new = sm.add_constant(X_new, has_constant='add')
y_new = model.predict(X_new)
y_new

方法二：让statsmodels自动管理常数项

修改训练代码，初始化OLS模型时指定hasconst=True，由statsmodels自动添加截距项，预测时无需手动处理常数项：

训练代码修改：

X = df[['var1','var2','var3','var4']]
y = df['target_trait']
# 指定hasconst=True，自动添加截距
model = sm.OLS(y, X, hasconst=True).fit()
predictions = model.predict(X)
model.summary()

预测代码（无需修改）：

X_new = df_new[['var1','var2','var3','var4']]
y_new = model.predict(X_new)
y_new

注意事项 #

• 确保新数据的自变量列名与训练数据完全一致（如var1、var2等），否则statsmodels无法正确匹配系数；
• 两种方法二选一即可，方法一逻辑更直观，便于排查问题。

内容的提问来源于stack exchange，提问作者Amilovsky