VIF计算在python statsmodel

Question

在statsmodel计算VIF的代码如下：

k_vars = exog.shape[1] 
x_i = exog[:, exog_idx] 
mask = np.arange(k_vars) != exog_idx 
x_noti = exog[:, mask] 
r_squared_i = OLS(x_i, x_noti).fit().rsquared ## NO INTERCEPT 
vif = 1./(1. - r_squared_i) 

当拟合，它不包括一个截距。根据Wooldridge的“介绍性计量经济学（6ed）”，似乎应该包括拦截：“......在所有其他自变量（和包括拦截）上对Xj进行回归的R平方。”

statmodels错了吗？是否有另一个我可以检查的包？谢谢。

Answer 1

使用statsmodels时证实，始终铭记从MATLAB增加常量（这是必要的，这种情况下）

参考的： https://www.mathworks.com/help/econ/examples/time-series-regression-ii-collinearity-and-estimator-variance.html