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