Question

使用小型R样本数据集和statsmodels的ANOVA示例，其中一个变量的自由度报告的方式不同，＆amp; F值结果也略有不同。也许他们的默认方法略有不同？我可以设置statsmodels来使用R的默认值吗？

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

数据集的头部和尾部是相同的*，也就是平均值，最小值，最大值，重量和时间的中位数。

Answer 1

看起来“饮食”在statsmodels调用中只有一个自由度，这意味着它可能被视为连续变量，而在R中它有3个自由度，所以它可能是一个因子/离散随机变量。

要使ols（）将“Diet”视为分类随机变量，请使用

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

为什么R和statsmodels给出的ANOVA结果略有不同？

1 个答案: