线性回归模型方差分析报错：'ModelData'无'design_info'属性，如何修复？

运行线性回归模型的方差分析时触发AttributeError: 'ModelData' object has no attribute 'design_info'错误，代码示例如下：

import statsmodels.api as sm
import numpy as np

# 定义数据
x1 = np.random.rand(100)
x2 = np.random.rand(100)
y = 2*x1 + 3*x2 + np.random.normal(size=100)

# 构建包含所有自变量的模型
X = sm.add_constant(np.column_stack((x1, x2)))
model = sm.OLS(y, X).fit()

# 执行F检验
f_value, p_value, _ = sm.stats.anova_lm(model, typ=1)

错误原因 #

sm.stats.anova_lm需要模型保留设计矩阵的元数据（比如变量名、变量结构），但当前代码里的X是纯numpy数组，没有列名等标识信息，导致拟合后的模型结果对象缺少design_info属性，无法被方差分析函数识别。

修复方案 #

最直接的解决方式是用pandas DataFrame存储自变量并给每个变量命名，让statsmodels自动记录设计信息：

import statsmodels.api as sm
import numpy as np
import pandas as pd

# 定义数据
x1 = np.random.rand(100)
x2 = np.random.rand(100)
y = 2*x1 + 3*x2 + np.random.normal(size=100)

# 用DataFrame存储自变量并指定列名
X = pd.DataFrame({"x1": x1, "x2": x2})
X = sm.add_constant(X)  # 添加截距项

# 拟合模型
model = sm.OLS(y, X).fit()

# 执行方差分析
anova_results = sm.stats.anova_lm(model, typ=1)
print(anova_results)

这样处理后，模型结果会自动包含design_info属性，anova_lm就能正常运行并输出方差分析结果。

内容的提问来源于stack exchange，提问作者randomGeek4