我想使用Pandas DataFrame来分解一个变量的方差。
例如,如果我有一个名为“Degrees”的列,它被按日期、城市和夜间与白天索引,我想找出该系列中多少变化的一部分来自横向城市变化,有多少来自时间序列变化,以及有多少来自夜间与白天。
在Stata中,我会使用固定效应并查看R ^ 2。希望我的问题是有意义的。
基本上,我想做的是,通过另外三列找到“Degrees”的ANOVA分解。
我想使用Pandas DataFrame来分解一个变量的方差。
例如,如果我有一个名为“Degrees”的列,它被按日期、城市和夜间与白天索引,我想找出该系列中多少变化的一部分来自横向城市变化,有多少来自时间序列变化,以及有多少来自夜间与白天。
在Stata中,我会使用固定效应并查看R ^ 2。希望我的问题是有意义的。
基本上,我想做的是,通过另外三列找到“Degrees”的ANOVA分解。
我设置了一个直接比较来测试它们,发现他们的假设可能会有轻微差异,得到了一位统计学家的提示,这里是一个在pandas数据框上进行ANOVA并匹配R结果的示例:
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