使用statsmodels.formula.api的glm设置因变量参考类别异常求助

1. 参考类别设置无效的问题 #

你操作的核心错误是：C(变量, Treatment(reference=xxx))是statsmodels公式语法中专门用于处理分类自变量的标注方式，写在因变量位置时，指定参考类的参数不会被二项GLM识别生效，因此你调整reference取值自然不会改变系数结果。

正确的参考类别设置方法如下：
statsmodels的二项逻辑回归默认对y取值为1的类别的概率建模，0为默认参考类别，你只需要提前对原y做重编码即可：

# 若要设置-1为参考类别，建模y=1的概率，执行如下重编码
dta['y_target'] = (dta['y'] == 1).astype(int)
# 直接用重编码后的变量做因变量拟合模型
glm_model = sm.formula.glm(formula = "y_target ~ x1 + x2", data=dta, family=sm.families.Binomial())
res = glm_model.fit()

# 若要切换参考类别为1，建模y=-1的概率，仅需修改重编码逻辑即可，此时所有系数符号会和之前完全相反
dta['y_target'] = (dta['y'] == -1).astype(int)

2. 系数含义解释 #

二项逻辑回归的所有系数都是相对于**正类（即重编码为1的类别）**的：

• 系数为正：自变量每上升1单位，正类的发生比（odds = P(正类)/P(参考类)）上升，对应正类概率上升、参考类概率下降
• 系数为负：自变量每上升1单位，正类的发生比下降，对应正类概率下降、参考类概率上升

如果要确认当前模型的正类是哪个，拟合完成后执行print(res.model.endog_names)即可查看。
从你提供的输出结果可以判断，当前模型默认对y=1的概率建模，因此：

• x1系数为-0.1769：x1每上升1单位，y=1的发生比下降约16.2%，即y=1的概率下降、y=-1的概率上升
• x2系数为0.2388：x2每上升1单位，y=1的发生比上升约27%，即y=1的概率上升、y=-1的概率下降

内容的提问来源于stack exchange，提问作者user1769197