使用statsmodels回归分析：代码输出NaN的原因排查求助

我帮你梳理下代码里的问题，回归结果出现NaN主要是公式变量引用错误和数据残留缺失值导致的，下面一步步拆解并给出修正方案：

问题1：OLS公式的变量名不匹配 #

你用smf.ols('ydat ~ xdat', data=rets)来构建模型，但ydat和xdat是你单独定义的Series变量，而smf.ols的公式语法是基于传入的data（也就是rets）中的列名来识别变量的。rets里的列名是EUROSTOXX和VSTOXX，模型找不到ydat/xdat这两个变量，自然会输出NaN。

问题2：收益率计算产生的缺失值未处理 #

虽然你用fillna(method='ffill')处理了原始数据的缺失值，但计算日收益率时data.shift(1)会生成第一行的NaN，这行无效数据会干扰回归计算的结果。

修正后的完整代码 #

import numpy as np
import statsmodels.api as sm
import statsmodels.formula.api as smf
import pandas as pd
import matplotlib.pyplot as plt
import math
import datetime as dt

# 导入数据
es_url = 'https://www.stoxx.com/document/Indices/Current/HistoricalData/hbrbcpe.txt'
vs_url = 'https://www.stoxx.com/document/Indices/Current/HistoricalData/h_vstoxx.txt'

cols=['SX5P','SX5E','SXXP','SXXE','SXXF','SXXA','DK5f','DKXF']
es=pd.read_csv(es_url,index_col=0,parse_dates=True,sep=';',dayfirst=True,header=None,skiprows=4,names=cols)
vs=pd.read_csv(vs_url,index_col=0,header=2,parse_dates=True,sep=',',dayfirst=True)

# 合并数据并处理缺失值
data=pd.DataFrame({'EUROSTOXX' : es['SX5E'][es.index > dt.datetime(1999,1,1)]},dtype=float)
data=data.join(pd.DataFrame({'VSTOXX' : vs['V2TX'][vs.index > dt.datetime(1999,1,1)]},dtype=float))
data=data.fillna(method='ffill')

# 计算收益率并删除首行缺失值
rets=(((data/data.shift(1))-1)*100).round(2)
rets = rets.dropna()  # 新增该行，移除收益率计算产生的无效缺失值

# 回归分析：使用DataFrame中的实际列名编写公式
model = smf.ols('VSTOXX ~ EUROSTOXX', data=rets).fit()
print(model.summary())

关键修正说明 #

• 公式变量名修正：将ydat ~ xdat替换为VSTOXX ~ EUROSTOXX，直接使用rets里的列名，让statsmodels能正确识别回归变量。
• 清理缺失值：新增rets = rets.dropna()，移除收益率计算时产生的首行NaN，确保回归使用的是完整有效的数据。

运行修正后的代码就能得到正常的回归结果，不会再出现NaN了。

内容的提问来源于stack exchange，提问作者Dan Ghara