correlaciones - ¿ANOVA en python usando el marco de datos de pandas con statsmodels o scipy?

estadistica con python pdf

Question

Quiero usar el marco de datos de Pandas para desglosar la varianza en una variable.

Por ejemplo, si tengo una columna llamada "Grados" y la tengo indexada para varias fechas, ciudades y noche contra día, quiero saber qué fracción de la variación de esta serie proviene de una ciudad transversal. variación, cuánto viene de la variación de series de tiempo y cuánto viene de la noche frente al día.

En Stata usaría efectos fijos y miraría la R ^ 2. Espero que mi pregunta tenga sentido.

Básicamente, lo que quiero hacer, es encontrar el desglose ANOVA de "Grados" en otras tres columnas.

Answer 1

Establecí una comparación directa para probarlos, descubrí que sus suposiciones pueden diferir ligeramente , obtuve una pista de un estadístico, y aquí hay un ejemplo de ANOVA en un marco de datos de pandas que coincide con los resultados de R:

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