提供了Python编程的基础技术教程

Python程序教程

您现在的位置是：首页 >  Python

当前栏目

多重共线性：python计算VIF以及使用vif做因子独立性检验的方法「建议收藏」

多重,共线性,python,计算,VIF,以及,使用,vif,因子,独立性,检验,方法,建议,收藏
2025-04-01 16:27:53 时间

大家好，又见面了，我是你们的朋友全栈君。

参考：https://www.zhihu.com/question/270451437/answer/405814593

https://www.cnpython.com/qa/38203

import numpy as np
import scipy as sp

a = [1, 1, 2, 3, 4]
b = [2, 2, 3, 2, 1]
c = [4, 6, 7, 8, 9]
d = [4, 3, 4, 5, 4]

ck = np.column_stack([a, b, c, d])
cc = sp.corrcoef(ck, rowvar=False)
VIF = np.linalg.inv(cc)
VIF.diagonal()
from statsmodels.stats.outliers_influence import variance_inflation_factor
from statsmodels.tools.tools import add_constant

df = pd.DataFrame(
    {'a': [1, 1, 2, 3, 4],
     'b': [2, 2, 3, 2, 1],
     'c': [4, 6, 7, 8, 9],
     'd': [4, 3, 4, 5, 4]}
)

X = add_constant(df)
>>> pd.Series([variance_inflation_factor(X.values, i) 
               for i in range(X.shape[1])], 
              index=X.columns)

参考：https://zhuanlan.zhihu.com/p/56468729

使用VIF进行检验的方法主要为，对某一因子和其余因子进行回归，得到R^2，计算VIF，剔除因子中VIF高的因子，保留VIF较低的因子，以此类推，直到得到一个相关性较低的因子组合来增强模型的解释能力。

　　在实际测试过程中，并非要指定一个VIF阈值，比如某因子的VIF值超过阈值才剔除，而是通过观察所有因子值的VIF值，如果发现该值较大（显著离群），剔除该因子即可。本次我们的几个因子表现都非常出色，VIF值稳定且没有离群较大值，因此，没能找到任何一个需要剔除的因子。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/135202.html原文链接：https://javaforall.cn

相关文章