运行dmatrices计算VIF报PatsyError缺失因变量的原因及解决咨询

这个报错是由patsy公式的语法书写错误导致的：

• patsy公式中固定使用~作为因变量和自变量的分隔符，-运算符的作用是从公式项中移除指定变量，而非分隔因变量、自变量
• 你书写的公式'price - area + bedrooms + bathrooms'会被patsy识别为：仅构造「price减去area、bedrooms、bathrooms」的单一项，没有单独的因变量部分，因此返回的左侧因变量矩阵为空，触发missing required outcome variables报错

方案1：保留因变量拆分逻辑 #

如果需要同时得到因变量y和自变量X矩阵，只需要把公式中的-替换为~即可：

y, X = dmatrices('price ~ area + bedrooms + bathrooms', df, return_type='dataframe')

vif=pd.DataFrame()
vif["VIF Factor"]=[variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
vif["features"]=X.columns
vif

注：默认返回的X会包含截距项，截距项的VIF值不参与共线性判断，可直接忽略。

方案2：仅构造自变量矩阵计算VIF #

因为VIF仅用于衡量自变量之间的多重共线性，不需要用到因变量，也可以直接构造自变量矩阵，省略y的生成：

X = dmatrix('area + bedrooms + bathrooms', df, return_type='dataframe')

vif=pd.DataFrame()
vif["VIF Factor"]=[variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
vif["features"]=X.columns
vif

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