我正在尝试在Python中运行回归，但是这花了很长时间并且停止运行。在Stata中，它可以工作，仅需几秒钟。
这是由于分类列，包括组固定效应。如果没有该变量，Stata和Python的性能将相当相等，对于200,000个观察值，大约需要1秒：
代码库
reg income height Number_children
程式码Python
model = smf.ols(income ~ height + Number_children, data=humans).fit()
添加虚拟对象后，我将Stata代码更改为areg：
areg income height Number_children, absorb(Village)
比没有假人只需要1-2秒。
在Python中：
model = smf.ols(income ~ height + Number_children + Village, data=humans).fit()
哪里：
Name: Village, dtype: category
Categories (3678, object):
等待2分钟后，我停止了回归。有什么想法可以使代码运行，并将速度提高到几乎与Stata一样快吗？问题更多是由变量还是由回归命令引起的？
编辑：
根据Dimitriy的回答，我尝试了所有变量：
例如：
humans[“income_gr_m”]= humans[“incom
Original: https://blog.csdn.net/weixin_35743031/article/details/113509677
Author: 创业青年骁哥
Title: python和stata哪个难_Python：与Stata（固定效果假人）相比，回归速度较慢
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/634355/
转载文章受原作者版权保护。转载请注明原作者出处！