Python笔记-方差分析之多因素方差分析

多因数分析的格式：

model = osl(‘样本某一列 ~ 样本另一列 + 样本另一列 ’)

如下代码：

from statsmodels.stats.anova import anova_lm from statsmodels.formula.api import ols import pandas as pddf = pd.DataFrame([[1.4, "one", "common"], [1.5, "one", "common"], [1.6, "one", "vip"], [1.5, "one", "vip"], [1.6, "one", "vip"], [1.7, "one", "vip"],[0.1, "two", "lamb"], [0.2, "two", "lamb"], [0.3, "two", "lamb"], [0.4, "two", "lamb"], [0.5, "two", "lamb"], [0.6, "two", "common"]],columns=["rate", "type", "rank"] )if __name__ == '__main__':model = ols("rate ~type + rank", data=df)data = model.fit()print(anova_lm(data))pass

运行截图如下：

 同样：

结果中可以知道，p很小，默认情况下显著水平为0.05，也就是0.05以上代表2个类型，很相似，无关性小，0.05以下，代表2个类型不相似，也就是说不同行业股票收益水平不同。

如果是析因素方差

就是这样的

model = osl(‘样本某一列 ~ 样本另一列 * 样本另一列’，data=样本).fit()

总结

以上是生活随笔为你收集整理的Python笔记-方差分析之多因素方差分析的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。