python - python中的ANOVA使用带有statsmodels或scipy的pandas数据框？

Question

我想使用 Pandas 数据框来分解一个变量的方差。

例如，如果我有一个名为“Degrees”的列，并且我为不同的日期、城市和夜晚与白天编制了索引，我想找出这个系列的变化中有多少部分来自交叉- 部分城市变化，有多少来自时间序列变化，有多少来自夜间与白天。

在 Stata 中，我会使用固定效果并查看 R^2。希望我的问题有意义。

基本上，我想做的是通过其他三列找到“度数”的方差分析分割。

Answer 1

我设置了直接对比来测试他们，发现他们的假设可以differ slightly ，从统计学家那里得到了提示，下面是与 R 的结果匹配的 pandas 数据帧上的方差分析示例:

import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols


# R code on R sample dataset

#> anova(with(ChickWeight, lm(weight ~ Time + Diet)))
#Analysis of Variance Table
#
#Response: weight
#           Df  Sum Sq Mean Sq  F value    Pr(>F)
#Time        1 2042344 2042344 1576.460 < 2.2e-16 ***
#Diet        3  129876   43292   33.417 < 2.2e-16 ***
#Residuals 573  742336    1296
#write.csv(file='ChickWeight.csv', x=ChickWeight, row.names=F)

cw = pd.read_csv('ChickWeight.csv')

cw_lm=ols('weight ~ Time + C(Diet)', data=cw).fit() #Specify C for Categorical
print(sm.stats.anova_lm(cw_lm, typ=2))
#                  sum_sq   df            F         PR(>F)
#C(Diet)    129876.056995    3    33.416570   6.473189e-20
#Time      2016357.148493    1  1556.400956  1.803038e-165
#Residual   742336.119560  573          NaN            NaN