Statsmodels OLS回归p值在if判断中失效问题求助

你的代码有三个关键错误，直接导致p值判断逻辑失效：

1. OLS参数顺序颠倒
   statsmodels的OLS()函数要求第一个参数是因变量（Y，你要探究的结果变量），第二个是自变量（X，用来解释Y的变量）。你现在把固定自变量3rd Ventricle volume cm3当成了因变量，遍历的列当成了自变量，完全搞反了回归逻辑。

2. 未添加截距项
   默认情况下，statsmodels的OLS不会自动加入截距项，这会导致模型设定偏差，回归结果的系数和p值都不可靠，必须用sm.add_constant()给自变量补充截距。

3. p值索引取错
   添加截距后，回归结果的pvalues数组里，索引0是截距项的p值，索引1才是你要的固定自变量的p值。你之前判断的是截距的显著性，和你要探究的变量关系完全无关。

修正后的代码 #

import statsmodels.api as sm

for column in my_patients_volbrain_volumes:
    if my_patients_volbrain_volumes[column].name == "Sex":
        continue  # 用continue跳过目标列，逻辑更清晰
    # 正确设定因变量与自变量
    Y = my_patients_volbrain_volumes[column]  # 遍历的列作为因变量
    X = my_patients_volbrain_volumes['3rd Ventricle volume cm3']
    # 为自变量添加截距项
    X_with_intercept = sm.add_constant(X)
    # 正确初始化OLS模型：因变量在前，自变量在后
    model = sm.OLS(Y, X_with_intercept)
    result = model.fit()
    
    # 取固定自变量对应的p值（索引1），判断是否显著
    if result.pvalues[1] < 0.05:
        print(f"因变量: {column}")
        print(f"自变量p值: {result.pvalues[1]}")
        print(f"自变量系数: {result.params[1]}")
        print("---")

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