VIF值低但OLS回归出现高条件数警告：代码问题还是正常现象？

这不是代码错误，属于正常现象，核心原因是VIF和条件数的衡量逻辑完全不同：

两者的本质差异 #

• VIF（方差膨胀因子）：仅衡量单个自变量与其余自变量的两两/少数变量间线性相关程度。你所有自变量的VIF都远低于5（常用阈值），说明不存在变量间的强共线性。
• 条件数：衡量整个自变量矩阵的数值稳定性，触发高值的常见原因：
  1. 量纲差异过大：常数项（全为1）与其他自变量的取值尺度差距悬殊（比如hours可能是几百、age是几十，而常数项是1），会导致矩阵的条件数飙升。你给出的常数项VIF高达249，也侧面印证了量纲差异的影响。
  2. 隐藏的多变量共线性：少数情况下，多个变量联合存在近似线性关系，但VIF无法检测；不过你的VIF普遍偏低，这种概率很小。

处理建议 #

1. 标准化自变量：对除常数项外的所有变量做标准化（均值为0、方差为1），消除量纲差异后，条件数会显著降低。示例代码：

   from sklearn.preprocessing import StandardScaler
   
   # 分离常数项与其他自变量
   X_train_vars = X_train.drop('const', axis=1)
   scaler = StandardScaler()
   X_train_scaled = scaler.fit_transform(X_train_vars)
   # 重新添加常数项并拟合模型
   X_train_scaled_with_const = sm.add_constant(
       pd.DataFrame(X_train_scaled, columns=X_train_vars.columns, index=X_train.index)
   )
   model_scaled = sm.OLS(y_train, X_train_scaled_with_const).fit()
   print(model_scaled.summary())
   

2. 无需过度焦虑：只要模型系数显著、解释力符合预期，量纲导致的高条件数不会影响统计推断（statsmodels已对数值计算做了稳定性处理），你的VIF结果已经排除了强共线性问题。

小提示 #

你代码中定义了Total_Education但未加入回归矩阵，若该变量无使用计划可删除，不影响当前问题。

内容的提问来源于stack exchange，提问作者Adonistats