Utilizzando un piccolo set di dati di esempio R e l'esempio ANOVA da statsmodels, i gradi di libertà per una delle variabili sono riportati in modo diverso, & anche i risultati dei valori F sono leggermente diversi. Forse hanno approcci predefiniti leggermente diversi? Posso impostare statsmodels per utilizzare i valori predefiniti di R?Perché R e statsmodels danno risultati ANOVA leggermente diversi?
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 + Diet', data=cw).fit()
print(sm.stats.anova_lm(cw_lm, typ=2))
# sum_sq df F PR(>F)
#Time 2024187.608511 1 1523.368567 9.008821e-164
#Diet 108176.538530 1 81.411791 2.730843e-18
#Residual 764035.638024 575 NaN NaN
testa e coda dei set di dati sono gli stessi *, anche significare, min, max, mediano di peso e del tempo.
Quali versioni di statsmodels e panda sono stati utilizzati per questo esempio? Ricevo un errore dalla funzione anova_lm con pandas 0.18.0, statsmodels 0.6.1 –
Ho appena controllato il mio attuale sistema; pandas 0.17.1, statsmodels 0.6.1, ha dovuto reinstallare Patsy ma poi andava bene. – cphlewis
Grazie per il controllo. Mi sono reso conto che stavo incontrando [questo problema] (https://github.com/statsmodels/statsmodels/issues/2171) perché la mia matrice di progettazione aveva valori mancanti. –