statsmodels.ols 更适合统计推断因其默认输出t值、p值、r²、f统计量和置信区间等完整统计摘要，而sklearn.linearregression仅提供系数和基础指标；需手动添加截距项、确保x为二维结构，并注意公式语法与变量命名规范。
statsmodels.OLS 为什么比 sklearn.LinearRegression 更适合统计推断
因为 statsmodels.OLS 默认输出完整的统计摘要（t 值、p 值、R²、F 统计量、置信区间），而 sklearn.LinearRegression 只提供系数和基础评估指标。如果你需要检验变量显著性、做假设检验或写论文报告，statsmodels 是更直接的选择。
注意：它不自动添加截距项，必须显式用 sm.add_constant()；而 sklearn 默认带截距。漏加常数项会导致 Intercept 缺失，所有系数解释失效。
- 用
sm.add_constant(X)向特征矩阵插入全 1 列，否则模型拟合的是过原点的回归 - 输入 X 必须是二维结构（哪怕只有一个特征），
pd.Series或一维np.array会报错ValueError: Expected 2D array, got 1D array - 因变量 y 可以是一维，但最好也用
reshape(-1, 1)或保持pd.Series格式，避免广播异常
如何正确构造公式字符串并调用 smf.ols
用 statsmodels.formula.api（即 smf）能像 R 一样写公式，适合快速探索，但对列名有硬性要求：不能含空格、特殊符号或以数字开头。例如列名 "age group" 或 "2nd_visit" 会直接导致 ParsingError。
解决办法是提前重命名或用反引号包裹：
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
import statsmodels.formula.api as smf
# 假设 df 里有一列叫 "user id"
df = df.rename(columns={"user id": "user_id"})
result = smf.ols("y ~ x1 + x2 + user_id", data=df).fit()
- 公式中用
+表示加入变量，-1表示去除截距（如y ~ x1 + x2 - 1） -
C(var)表示将变量转为分类变量（自动哑变量编码），np.log(x)等函数也可直接写在公式里 - 公式模式下无需手动加常数项，截距默认存在
fit() 后怎么提取关键统计量而不是只看 summary()
result.summary() 适合人眼阅读，但不适合自动化提取。真正做模型筛选或批量分析时，应直接访问属性：
-
result.params→ 系数向量（pd.Series，索引为变量名） -
result.pvalues→ 对应 p 值，可直接布尔索引：result.params[result.pvalues -
result.rsquared_adj→ 调整 R²，比rsquared更可靠，尤其变量多时 -
result.f_pvalue→ 整体模型 F 检验 p 值，判断是否至少有一个变量显著 -
result.conf_int(alpha=0.05)→ 返回 95% 置信区间 DataFrame
别用 print(result.summary()) 后再正则解析——不稳定且易出错。summary 是展示用的，不是数据接口。
遇到 ConvergenceWarning 或 rank-deficient warning 怎么办
常见于多重共线性（比如同时放入 height_cm 和 height_m）、完全共线性（如独热编码后没删掉基准类别）、或样本量远小于变量数。warning 不一定中断运行，但结果不可信。
- 先检查条件数：
np.linalg.cond(result.model.exog)> 30 就提示潜在共线性 - 用
from statsmodels.stats.outliers_influence import variance_inflation_factor计算 VIF，>10 的变量考虑剔除或合并 - 如果用了
pd.get_dummies()，确保设置drop_first=True，否则设计矩阵秩亏 - 样本量 n OLS 仍会拟合但标准误失真，此时应降维或换方法（如岭回归）
警告本身不会阻止 fit() 完成，但系数标准误膨胀、p 值失真、预测不稳定——这些细节容易被 summary 输出的整齐排版掩盖。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
