Weighted GLM：R的weight与Python的freq_weight是否等价？为何Beta估计有差异？

核心结论：两个参数不属于同一含义 #

两者虽然都命名为“权重”，但设计初衷和计算逻辑存在本质区别，这也是跨环境运行相同算例时结果出现细微差异的核心原因。

两类参数的本质差异 #

• R中glm()函数的weight参数：定义为先验权重，对应每个观测的逆方差权重，拟合时直接对单条观测的对数似然项做线性缩放，支持任意正实数取值；计算模型自由度、分散度时，始终以实际传入的观测条数为分母，不会调整等效样本规模。
• Python statsmodels中smf.glm()的freq_weight参数：定义为频率权重，本质是标记单条合并观测对应的重复出现次数，计算似然时会将单条观测的贡献乘上对应频数；计算自由度、分散度、拟合统计量时，会将sum(freq_weight)作为总有效样本量代入计算，哪怕传入的权重是小数，也会按频数逻辑做等效样本折算。

数值结果存在细微差异的具体原因 #

理论上当权重为任意正实数的等比例缩放时，两类方法得到的Beta点估计的解析解完全等价，实际跑数出现的小数点级偏差主要来自两点：

1. 自由度计算基准不同
   R的先验权重逻辑下，分散度估计的分母为（实际观测数-待估系数个数）；Python的频率权重逻辑下，分散度估计的分母为（权重总和-待估系数个数）。这个分母的差异会在IRLS迭代求解过程中逐步传导，调整迭代步长的计算权重，最终导致收敛后的Beta值出现细微差别。
2. 默认收敛精度设置不同
   R的glm()默认收敛阈值为1e-8，statsmodels的GLM求解器默认收敛阈值为1e-4，本身就存在迭代终止条件的精度差，进一步放大小数级别的结果差异。

结果对齐的可操作方案 #

• 若需要完全复现R的先验权重逻辑，在Python端不要使用freq_weight参数，改用GLM的var_weights参数传入对应的权重向量——这个参数的定义和R的weight完全对齐，同样支持任意正实数的逆方差加权，自由度计算也和R保持一致。
• 统一两个环境的计算精度配置：将statsmodels求解器的tol参数调整为1e-8，和R的默认收敛阈值对齐。
• 提前校验两侧输入的权重值、分布族、连接函数完全一致，排除浮点精度截断、配置错配带来的额外差异。

内容的提问来源于stack exchange，提问作者Ussu20