statsmodels OLS的get_prediction能否按列名匹配回归变量？

statsmodels 采用非公式接口拟合的OLS模型，get_prediction()方法默认不会根据传入数据的列名自动匹配回归变量，计算预测值时严格按照传入矩阵的列位置，与拟合时存储的系数顺序做矩阵运算。

模型拟合时的自变量顺序为const -> realdpi -> realinv -> tbilrate -> unemp，对应系数也按该顺序存储；调换预测输入的列顺序后，列位置变为const -> tbilrate -> unemp -> realdpi -> realinv，方法不会自动重排列对齐，相当于将realdpi的系数错乘到tbilrate列、realinv的系数错乘到unemp列，最终输出结果不符合预期。

可通过mod.model.exog_names属性查看模型拟合时固定的自变量排列顺序。

• 方法1：手动对齐列顺序
  构造预测输入时，严格复用模型拟合时的列顺序筛选数据，从根源避免错位：

  # 获取拟合时的自变量列顺序（已包含常数项）
  fit_col_order = mod.model.exog_names
  # 按固定顺序构造预测输入
  pred_data = sm.add_constant(macrodata)[fit_col_order]
  # 此时预测结果不会出错
  mod.get_prediction(pred_data).summary_frame(0.95).head()
  

• 方法2：使用公式接口拟合模型
  如果用statsmodels的公式语法拟合模型，get_prediction()会自动根据列名匹配变量，不需要关心传入数据的列顺序，也不需要手动添加常数项：

  import numpy as np
  import pandas as pd
  import statsmodels.api as sm
  from statsmodels.formula.api import ols
  
  macrodata = sm.datasets.macrodata.load_pandas().data
  macrodata.index = pd.period_range('1959Q1', '2009Q3', freq='Q')
  # 公式接口拟合，自动添加常数项
  mod = ols('realgdp ~ realdpi + realinv + tbilrate + unemp', data=macrodata).fit()
  # 哪怕传入的列顺序打乱，也会自动匹配变量得到正确结果
  mod.get_prediction(macrodata[['tbilrate', 'unemp', 'realdpi', 'realinv']]).summary_frame(0.95).head()
  

注意：非公式接口默认按位置匹配的逻辑对所有传入外生变量的场景生效，不止get_prediction()，计算边际效应、调整标准误等操作时如果列顺序错位，都会得到错误结果。

内容的提问来源于stack exchange，提问作者Bogaso