使用for循环遍历DF对比OLS与anova_lm模型时遇IndexError求助

一、关于anova_lm与F检验的关系 #

anova_lm本质就是在做F检验，专门用于对比嵌套模型（你的空模型和单预测变量模型属于嵌套关系：空模型是单变量模型去掉预测变量后的简化版本）。它输出的F统计量、p值和单变量回归自带的F检验结果完全等价，但优势在于：

• 直观展示两个模型的残差平方和、自由度变化，能清晰看到添加预测变量后模型拟合的提升幅度；
• 可扩展到更复杂的嵌套模型对比场景（比如逐步添加多个变量的模型），灵活性更强。

二、IndexError报错的原因及修正 #

你的代码有两个核心错误，直接导致了报错：

1. 数据读取方法错误 #

你用pd.DataFrame('df.csv', na_values=['?'])读取文件，但pd.DataFrame是用来构造数据框的工具，读取CSV文件必须用pd.read_csv。错误的写法会生成一个内容为字符串'df.csv'的异常数据框，根本不存在'response'列，后续取df['response']时自然触发IndexError。

2. print语句格式错误 #

你把.format()写在了print()函数的末尾，而非字符串的后面，这会导致语法逻辑错误（虽然不是IndexError的直接原因，但修复数据读取问题后会引发新错误）。

修正后的完整代码 #

import numpy as np
import pandas as pd
import statsmodels.api as sm
from ISLP.models import ModelSpec as MS
from statsmodels.stats.anova import anova_lm

# 修正：用read_csv读取数据集
df = pd.read_csv('df.csv', na_values=['?'])
y = df['response']

# 简化空模型构造：直接用全1数组作为截距项
fit_inter = sm.OLS(y, np.ones((len(y), 1))).fit()

# 获取除response外的特征列
df_colonne_rimaste = df.columns.drop(['response'])

# 遍历特征列做模型对比
for col in df_colonne_rimaste:
    print(f"当前特征: {col}")
    # 用ModelSpec构造包含截距和当前特征的模型矩阵
    X = MS([col]).fit_transform(df)
    # 拟合单变量模型
    modelx = sm.OLS(y, X, missing='drop').fit()
    # 修正format位置，正确格式化输出
    print(f"空模型与{col}模型的对比结果:\n{anova_lm(fit_inter, modelx)}\n")

额外说明 #

• 空模型构造可简化：无需手动创建DataFrame，用np.ones((len(y), 1))作为自变量即可实现仅含截距的模型；
• MS([col])用列表包裹列名是更规范的写法，避免列名含特殊字符时出现异常；
• 用f-string格式化输出比.format()更简洁，能减少语法错误概率。

内容的提问来源于stack exchange，提问作者GT87