如何使用scipy进行Levene检验

Question

我一直在尝试使用scipy.stats.levene，但没有成功。

我有一个形状为（2128，45100）的numpy矩阵。每行是一个样本，属于3个簇之一。

我想测试簇之间是否存在同方差性。

我已经尝试按簇过滤我的矩阵，并像这样发送参数：

from scipy.stats import levene

levene(matrixAudioData[np.ix_((cutTree == 0).ravel()),:][0],
       matrixAudioData[np.ix_((cutTree == 1).ravel()),:][0],
       matrixAudioData[np.ix_((cutTree == 2).ravel()),:][0])

数值错误：用序列设置数组元素。

甚至可能是

levene(matrixAudioData)

数值错误：必须输入至少两个样本向量。

这个是有效的：

levene([1,2,3],[2,3,4])

但是，如果每个样本不仅仅是一个数字呢？

请注意，我正在使用的每个matrixAudioData[np.ix_((cutTree == 0).ravel()),:][0]作为参数，其形状为（1048, 45100），因此应该没问题。

你们能指点我方向吗？

谢谢！

- macramole

Answer 1

正如您所注意到的，levene([1,2,3],[2,3,4])可以工作，因为您正在将array_like对象传递给函数。但是，如果以matrixAudioData[np.ix_((cutTree == 0).ravel()),:][0]作为输入，则不会工作，因为您需要一个一维数组作为输入。

例如，请考虑下一个例子

col1, col2, col3 = list(range(1, 100)), list(range(50, 78)), list(range(115, 139))

请注意每个列表的长度不同，因为我们可以使用不同长度的样本执行统计测试。现在，要调用leven函数，我们将一维对象array_like作为输入。

statistic, p_value = leven(col1,col2,col3,center="mean")

在这种情况下，p_value=1.3326317740560537e-14。如果Levene检验的p值大于0.05，则可以假定存在方差齐性（HOV）。否则，不存在方差齐性。

因此，在这种情况下，我们可以拒绝方差在col1、col2和col3之间相同的零假设。

- Miguel Trejo

---

值得一提的是，如果Levene检验的p值大于0.05，则可以假定存在方差齐性（HOV）。否则，不存在方差齐性。 - EMT

当然可以，@EMT，请随意编辑答案以添加此内容。 - Miguel Trejo

Answer 2

基于Box's M Test formula，这里提供了一个Python程序，用于对两个相等大小的协方差矩阵X0和X1（即每个矩阵具有相同的行数和列数），使用np.cov()函数存储为numpy数组进行Box's M测试。该程序已经通过SPSS输出进行了测试。

Numpy是一个依赖项，缩写为np。

    def box_m(X0,X1):

        global Xp

        m = 2
        k = len(np.cov(X0))
        n_1 = len(X0[0])
        n_2 = len(X1[0])
        n = len(X0[0])+len(X1[0])

        Xp = ( ((n_1-1)*np.cov(X0)) + ((n_2-1)*np.cov(X1)) ) / (n-m)

        M = ((n-m)*np.log(np.linalg.det(Xp))) \
         - (n_1-1)*(np.log(np.linalg.det(np.cov(X0)))) - (n_2-1)*(np.log(np.linalg.det(np.cov(X1))))

        c = ( ( 2*(k**2) + (3*k) - 1 ) / ( (6*(k+1)*(m-1)) ) ) \
            * ( (1/(n_1-1)) + (1/(n_2-1)) - (1/(n-m)) )

        df = (k*(k+1)*(m-1))/2

        c2 = ( ((k-1)*(k+2)) / (6*(m-1)) ) \
            * ( (1/((n_1-1)**2)) + (1/((n_2-1)**2)) - (1/((n-m)**2)) )

        df2 = (df+2) / (np.abs(c2-c**2))

        if (c2>c**2):

            a_plus = df / (1-c-(df/df2))

            F = M / a_plus

        else:

            a_minus = df2 / (1-c+(2/df2))

            F = (df2*M) / (df*(a_minus-M))

        print('M = {}'.format(M))
        print('c = {}'.format(c))
        print('c2 = {}'.format(c2))
        print('-------------------')
        print('df = {}'.format(df))
        print('df2 = {}'.format(df2))
        print('-------------------')
        print('F = {}'.format(F)) 

- Andy Banks

---

OP问的Levene检验在哪里？ - msh855