《商务与经济统计》Python实现笔记（三）

方差分析

单因素方差分析（多个总体均值相等的假设检验）

import scipy.stats as stats

a = [58,64,55,66,67]
b = [58,69,71,64,68]
c = [48,57,59,47,49]

stats.f_oneway(a,b,c)

F_onewayResult(statistic=9.176470588235295, pvalue=0.0038184120755124806)

import pandas as pd
import numpy as np
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm

data = pd.read_excel(r"C:\Users\liuhao\Desktop\a.xls")

model = ols('数量 ~ 方法',data).fit()
anovat = anova_lm(model)
anovat

变量	df	sum_sq	mean_sq	F	PR(>F)
方法	2.0	520.0	260.000000	9.176471	0.003818
Residual	12.0	340.0	28.333333	NaN	NaN

随机化区组设计

随机分组，减少分组设计导致的随机误差

import pandas as pd
import numpy as np
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm

data = pd.read_excel(r"C:\Users\liuhao\Desktop\s.xls")


model = ols('压力值 ~ 管理员+系统',data).fit()
anovat = anova_lm(model)
anovat

变量	df	sum_sq	mean_sq	F	PR(>F)
管理员	5.0	30.0	6.0	3.157895	0.057399
系统	2.0	21.0	10.5	5.526316	0.024181
Residual	10.0	19.0	1.9	NaN	NaN

变量管理员为区组设计，系统间差异 p =0.024<0.05，差异显著

析因实验（多因素方差分析）

import pandas as pd
import numpy as np
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm

data = pd.read_excel(r"C:\Users\liuhao\Desktop\a.xls")

data.head()

model = ols('分数 ~ 课程+院校+课程*院校',data).fit()#课程*院校为交互作用
anovat = anova_lm(model)
anovat

课程	院校	分数
复习班	商	500
复习班	工	540
复习班	艺术	480
复习班	商	580
复习班	工	460

变量	df	sum_sq	mean_sq	F	PR(>F)
课程	2.0	6100.0	3050.000000	1.382872	0.299436
院校	2.0	45300.0	22650.000000	10.269521	0.004757
课程:院校	4.0	11200.0	2800.000000	1.269521	0.350328
Residual	9.0	19850.0	2205.555556	NaN	NaN