使用parks方法将SAS Proc面板模型转换为Python

Question

原始SAS代码使用Parks方法。我能够在Python中对面板数据使用RandomEffects，但无法确定结果。我的问题是Python中Parks方法的等价物是什么

以下是SAS代码：

proc panel plots=all data=data 
id sector asof_yyyyq;
model rate =
sector1_t1 sector1_t2
sector2_t2 sector2_t3
sector3
sector2_trend
marovar1
marvar2;
/ parks rho ; 
run;

以下是Python代码：

df = df.set_index(['sector','asof_yyyyq'])
df['sector'] = sector
exog_vars = ['sector1_t1', 'sector1_t2','sector2_t2', 'sector2_t3',       
             'sector3',\
            'sector2_trend', ‘macrovar1', macrovar2']
exog = sm.add_constant(df[exog_vars])
mod = RandomEffects(df.pos_per_acct_growth, exog)
re_res = mod.fit()
print(re_res)

python模型可以工作。然而，结果与SAS得出的结果不同

提前感谢您的帮助