python statsmodel 中的 VIF 计算

Question

statsmodel中计算VIF的代码如下：

k_vars = exog.shape[1]
x_i = exog[:, exog_idx]
mask = np.arange(k_vars) != exog_idx
x_noti = exog[:, mask]
r_squared_i = OLS(x_i, x_noti).fit().rsquared   ## NO INTERCEPT
vif = 1. / (1. - r_squared_i)

拟合时不包括截距。根据 Wooldridge 的 "Introductory Econometrics (6ed)"，似乎截距应该包括在内：“... R 平方来自所有其他自变量的回归 Xj（ 并包括截距 ）。”。 =12=]

statmodels 错了吗？我可以交叉检查另一个包裹吗？谢谢

Answer 1

使用统计模型时，请始终注意添加常量（在这种情况下这是必要的）；引用自 docs:

An intercept is not included by default and should be added by the user. See statsmodels.tools.add_constant.

来自 MATLAB 的参考资料： https://www.mathworks.com/help/econ/examples/time-series-regression-ii-collinearity-and-estimator-variance.html

Answer 2

在线性回归的传统矩阵公式中，X-matrix 总是在第一个位置有一个 1 的列向量 - 如果没有这个，我们将通过原点得到回归，即没有截距项.我在 statsmodels 中寻找 VIF 时遇到了这个问题。

python statsmodel 中的 VIF 计算

VIF calculation in python statsmodel

python

regression

statsmodels