python处理面板数据,python做回归

　　我尝试对面板数据进行多元回归分析。我需要用不同的因变量运行数百次回归，并将所有结果存储在一个数据结构中，供以后查看。我使用Python和statsmodels来运行回归，但我不使用公式，因为它们使因变量更难循环。我正在尝试使用linearmodels包调整固定效果，但是失败了。在

　　看来我的问题是我的数据集很稀疏；里面包含了很多“南”。在我看来，pandas包含了一个数据结构data.set_ index (time ， entity )，我可以用它来运行面板数据回归，控制固定效果。但是当我通过这个函数发送我的数据集时，它好像会自动删除整个数据集中每一行带有“NaN”的内容，这样会删除每一行，程序会退出。在

　　当使用statsmodels的回归时，我可以删除回归函数OLS(y，x，missing=drop )中缺失的值。在控制固定效果的同时，有什么办法可以做到这一点？或者在Python中用其他方法控制非常稀疏的数据集中的固定效果？还是我错过了什么？在

　　例如，假设数据集是一个数据框：dataset={entity: [northpole ， northpole ， northpole ， southpole]， time: [2014，2015，2016，2016 2015，2016]， col1: [1，3，5，3，1，-1]， col2 : [1，4，7，4，1，-2]， col3: [NaN，NaN，4，5，3，0]， col1

　　dataset new=dataset . set _ index( entity ， time])

　　variable=panel ols(dataset new . col 1，dataSetNew.col2，entity_effects=True，time_effects=True)

　　程序没有完成数据集的计算。它显示以下错误消息：

　　^{pr2}$

　　然后就不干了。在

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。