为什么R和statsmodels给出的ANOVA结果略有不同？

Question

使用小型的R样本数据集和statsmodels中的ANOVA示例，其中一个变量的自由度报告方式不同，并且F值结果也略有不同。也许它们有稍微不同的默认方法？我能否设置statsmodels以使用R的默认设置？

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 + Diet', data=cw).fit()   

print(sm.stats.anova_lm(cw_lm, typ=2))
#                  sum_sq   df            F         PR(>F)
#Time      2024187.608511    1  1523.368567  9.008821e-164
#Diet       108176.538530    1    81.411791   2.730843e-18
#Residual   764035.638024  575          NaN            NaN

数据集的开头和结尾相同，还需计算重量和时间的均值、最小值、最大值和中位数。*（原文未明确此处的“the same”指什么）

- cphlewis

---

这个例子使用了哪些版本的statsmodels和pandas？我在pandas 0.18.0，statsmodels 0.6.1中使用anova_lm函数时出现了错误。 - Alex Hasha

刚刚检查了我的当前系统，发现pandas版本为0.17.1，statsmodels版本为0.6.1，不过需要重新安装patsy，但之后就没问题了。 - cphlewis

谢谢您的查看。我意识到我遇到了这个问题，因为我的设计矩阵中有缺失值。 - Alex Hasha

Answer 1

看起来在statsmodels的调用中，“Diet”只有一个自由度，这意味着它可能被视为连续变量，而在R中，它具有3个自由度，因此它可能是一个因子/离散随机变量。

要让ols()将“Diet”视为分类随机变量，请使用

cw_lm=ols('weight ~ C(Diet) + Time', data=cw).fit()

- MrFlick