python - 在 pandas 数据帧 : correlate() got an unexpected keyword argument 'old behavior' 中使用最大似然估计器的自动回归 (AR) 模型

Question

我有一个 pandas 数据框的子集，其中包含我想使用 statsmodel 使用 AR 或 ARIMA 模型分析的时间序列:

data_sci = H_Clinton_social_vector.Florida

数据是这样的:

Date
    2015-09-28     587
    2015-10-05     582
    2015-10-12     606
    2015-10-19     698

我的 AR 模型是这样创建的，每周汇总时间序列:

ar_model = sm.tsa.AR(data_sci, freq='W')
ar_model
<statsmodels.tsa.ar_model.AR at 0x1178f5490>

接下来，我想对 AR 参数进行最大似然估计 (MLE) 拟合，滞后半年:

ar_res = ar_model.fit(maxlag=26, method='mle')

我得到以下结果:

correlate() got an unexpected keyword argument 'old behavior'

我不明白问题是什么，我认为这与数据的自动相关性有关，因为 correlate() 参数。我的数据中有很高的自相关性，所以这应该没问题。

我对 stasmodels 不是很熟悉，更喜欢避免从头开始编写 AR 或 ARIMA 模型。

Answer 1

经过一些研究，问题是statsmodel 与 numpy 1.10 不兼容。虽然我有最新版本的 stasmodel，但自相关存在内部问题(与最新版本的 numpy 不兼容)，需要在 Github 安装主代码.

首先，我找出了我拥有的 stasmodels 依赖项的版本:

Python >= 2.6, including Python 3.x
NumPy >= 1.5.1
SciPy >= 0.9.0
Pandas >= 0.7.1
Patsy >= 0.3.0

所有这些都可以，所以为了从源代码安装，我需要有 Cython >= 20.1，我从 here 下载的.解压缩，导航到该目录并执行:

python setup.py install

完成后，导航到从 Github 下载的 statsmodel 副本, 并构建 stasmodel:

python setup.py install

你会看到:

Cythonizing sources
Processing statsmodels/nonparametric/_smoothers_lowess.pyx
Processing statsmodels/nonparametric/linbin.pyx
Processing statsmodels/tsa/kalmanf/kalman_loglike.pyx
Processing statsmodels/tsa/statespace/_statespace.pyx.in

等一段时间后，您将拥有最新版本的 statsmodel。现在我的 AR 模型工作正常，尽管有一些您可以忽略或禁用的警告。