Python实现双因素方法分析（Two-Way）

　　导入包

　　import numpy as np

　　import pandas as pd

　　import statsmodels.api as sm

　　from statsmodels.formula.api import ols

　　导入数据

　　#create data

　　df = pd.DataFrame({'water': np.repeat(['daily', 'weekly'], 15),

　　'sun': np.tile(np.repeat(['low', 'med', 'high'], 5), 2),

　　'height': [6, 6, 6, 5, 6, 5, 5, 6, 4, 5,

　　6, 6, 7, 8, 7, 3, 4, 4, 4, 5,

　　4, 4, 4, 4, 4, 5, 6, 6, 7, 8]})

　　前十行数据

　　df[:10]

　　water sun height

　　0 daily low 6

　　1 daily low 6

　　2 daily low 6

　　3 daily low 5

　　4 daily low 6

　　5 daily med 5

　　6 daily med 5

　　7 daily med 6

　　8 daily med 4

　　9 daily med 5

　　实现大连人流医院 http://www.84211111.cn/

　　model = ols('height ~ C(water) + C(sun) + C(water):C(sun)', data=df).fit()

　　sm.stats.anova_lm(model)

　　NOTES

　　'height ~ C(water) + C(sun) + C(water):C(sun)' 代表的含义是height作为因变量，water、sun、water和sun的交互效应作为自变量，使用ols建立了线性模型。C()的含义是设置该类为“分类型”的数据(有别于数值型数据，数据型数据不需要加，会报错!)，：则是交互效应，与*一致。

　　如果需要再增加其他的自变量直接在后面增加即可

　　结果

　　sum_sq df F PR(>F)

　　C(water) 8.533333 1.0 16.0000 0.000527

　　C(sun) 24.866667 2.0 23.3125 0.000002

　　C(water):C(sun) 2.466667 2.0 2.3125 0.120667

　　Residual 12.800000 24.0 NaN NaN

　　我们可以看到，水和阳光的p值均小于0.05，因此这两个因素对植物高度在统计学上的有着显著影响。而水和阳光交互效应的p值0.120667 > 0.05，这表明在阳光照射和浇水频率之间没有显著影响。

更多相关文章

随机推荐