statsmodels中相同形状样本出现shapes not aligned错误如何解决

• 调用对象错误：你错误使用未拟合的sm.OLS实例model调用predict方法，而非拟合后得到的results实例。model.predict的第一个入参要求传入拟合参数，你传入的测试集x_test被识别为参数输入，最终触发两个二维矩阵点乘的维度不匹配错误。
• 预处理逻辑不一致：训练集X_train调用了sm.add_constant添加常数项，特征维度为5列，测试集x_test未做相同处理，特征维度仅为4列，即使调用对象正确也会报错。你代码中的形状对比语句实际输出为False，大概率是你未注意到输出结果。

修改两处代码即可解决问题：

1. 测试集和训练集保持相同预处理逻辑，添加常数项
2. 使用拟合完成的results实例调用predict方法

修正后的代码如下：

train_df = df.loc[:50]
X_train = train_df[["Value", "Momentum", "Quality", "MinimumVolatility"]]
y_train = train_df["P1ExRe"]

X_train = sm.add_constant(X_train)

model = sm.OLS(y_train, X_train)
results = model.fit()
test_df = df.loc[51:100]
x_test = test_df[["Value", "Momentum", "Quality", "MinimumVolatility"]]
y_test = test_df["P1ExRe"]

# 测试集添加常数项，和训练集预处理逻辑对齐
x_test = sm.add_constant(x_test)
print(x_test.shape == X_train.shape)
# 使用拟合后的结果实例调用predict方法
predict_res = results.predict(x_test)

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