statsmodels加权最小二乘权重类型区分及默认规则问询

权重类型区分规则 #

statsmodels的WLS函数没有像STATA一样内置显式的频率权重、概率权重切换选项，其默认传入的weights参数逻辑和R的lm()保持一致，将权重解读为概率权重（抽样权重）。

两种权重的核心差异 #

• 频率权重：对应聚合后观测的原始出现次数，使用该权重时点估计结果和全量未聚合数据的OLS结果完全一致，但推断环节需要以原始总观测数N计算自由度，否则小样本校正因子会错误使用聚合后观测数M，导致标准误、p值等推断结果偏差。
• 概率权重：对应观测被抽中的概率倒数，不需要对原始数据做聚合处理，推断环节直接用传入数据集的实际观测数计算自由度即可，不需要额外校正。

频率权重的适配方法 #

如果你需要在statsmodels中使用频率权重，有两种可行方案：

1. 将聚合后的数据集按照频率权重的取值拆分为全量长格式数据，直接使用OLS拟合，结果和STATA频率权重逻辑完全一致
2. 仍使用WLS传入频率权重，拟合后手动修正残差自由度为原始总观测数N - 参数个数k，再计算标准误等推断统计量

内容的提问来源于stack exchange，提问作者A.Fischer