前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >单因素方差分析及其相关检验

单因素方差分析及其相关检验

作者头像
用户3577892
发布2021-01-02 22:44:31
1.5K0
发布2021-01-02 22:44:31
举报
文章被收录于专栏:数据科学CLUB

ANOVA

单因子方差分析

(1)问题与数据 设某因子有r个水平,记为,在每一水平下各做m次独立重复试 验,若记第i个水平下第j次重复的试验结果为,所有试验的结果可列表如下:

对这个试验要研究的问题是 个水平 间有无显著差异.

(2) 基本假定

A1 : 第 个水平下的数据 是来自正态总体 的一个样 本

个方差相同 即 ;

A3 : 诸数据 都相互独立. 在这三个基本假定下,要检验的假设是

方差分析就是在方差相等的条件下,对若干个正态均值是否相等的假设检验.

(3)平方和分解式

若记 上述诸平方和分别为

称为总平方和,其自由度 ;

称为组间平方和或因子 的平方和,其自由度

称为组内平方和或误差平方和, 其自 由度 注 : 数据 的平移 不会改变其平方和的值. 用此性质可简化计算.

(4) 方差分析表

(5) 判断 在 成立下, ,对给定的显著性水平 , 其拒绝域为

若 则认为因子 显著,即诸正态均值间有显著差异

  1. 数据结构式及其参数估计 (1)数据结构式

其中 为总均值, 为第 个水平的效应, 且 为试验误差,所有 可 作为来自 的一个样本,在上述数据结构式下 要检 验的假设检验可改写为

不全为

(2) 点估计

总均值 的估计 ;

水平均值 的估计

主效应 的估计

误差方差 的估计 .

(3) 置信区间

的 置信区间为

首先生成一些虚假的选民年龄和人口统计数据,接着使用方差分析比较各组的平均年龄:

代码语言:javascript
复制
import numpy as np
import scipy.stats as stats
import pandas as pd
代码语言:javascript
复制
np.random.seed(12)

races =   ["asian","black","hispanic","other","white"]

# 生成随机数据
voter_race = np.random.choice(a= races,
                              p = [0.05, 0.15 ,0.25, 0.05, 0.5],
                              size=1000)

voter_age = stats.poisson.rvs(loc=18,
                              mu=30,
                              size=1000)

# 将年龄数据按种族分类
voter_frame = pd.DataFrame({"race":voter_race,"age":voter_age})
groups = voter_frame.groupby("race").groups
代码语言:javascript
复制
voter_frame
代码语言:javascript
复制
groups
代码语言:javascript
复制
{'asian': Int64Index([  4,   7,  14,  21,  49,  53,  59,  78,  95,  98, 135, 136, 162,
             203, 227, 264, 278, 289, 326, 335, 345, 373, 430, 480, 484, 491,
             516, 587, 602, 684, 692, 708, 715, 761, 776, 826, 828, 832, 853,
             897, 942, 951, 986, 996],
            dtype='int64'),
 'black': Int64Index([  0,   9,  19,  22,  23,  42,  50,  56,  62,  76,
             ...
             948, 956, 961, 965, 968, 972, 982, 984, 989, 990],
            dtype='int64', length=147),
 'hispanic': Int64Index([  2,  10,  24,  28,  31,  32,  38,  40,  44,  45,
             ...
             954, 955, 958, 959, 962, 964, 966, 974, 994, 999],
            dtype='int64', length=244),
 'other': Int64Index([ 17,  26,  39,  46,  48,  65,  67,  72, 146, 237, 246, 255, 284,
             302, 317, 322, 358, 370, 386, 413, 425, 446, 530, 542, 569, 571,
             573, 575, 583, 626, 629, 637, 662, 696, 700, 701, 728, 739, 756,
             757, 773, 813, 819, 880, 923, 936, 939, 971, 980, 992],
            dtype='int64'),
 'white': Int64Index([  1,   3,   5,   6,   8,  11,  12,  13,  15,  16,
             ...
             981, 983, 985, 987, 988, 991, 993, 995, 997, 998],
            dtype='int64', length=515)}
代码语言:javascript
复制
# 提取不同种族的年龄信息,进行方差分析
asian = voter_age[groups["asian"]]
black = voter_age[groups["black"]]
hispanic = voter_age[groups["hispanic"]]
other = voter_age[groups["other"]]
white = voter_age[groups["white"]]

stats.f_oneway(asian, black, hispanic, other, white)
代码语言:javascript
复制
F_onewayResult(statistic=1.7744689357329695, pvalue=0.13173183201930463)

检验结果的F统计量为1.774,p值为0.1317,表明各组的平均值之间没有显著差异。

方差分析的另一种方法是使用statsmodels库:

代码语言:javascript
复制
import statsmodels.api as sm
from statsmodels.formula.api import ols

model = ols('age ~ race',                
            data = voter_frame).fit()
                
anova_result = sm.stats.anova_lm(model, typ=2)
print (anova_result)
代码语言:javascript
复制
             sum_sq     df         F    PR(>F)
race        199.369    4.0  1.774469  0.131732
Residual  27948.102  995.0       NaN       NaN

可以看出,statsmodels方法生成的F统计量和P值与stats.Fèoneway方法完全相同。

现在重新进行一次方差检验,修改下年龄数据,使每组的平均值确实不同:

代码语言:javascript
复制
np.random.seed(12)


voter_race = np.random.choice(a= races,
                              p = [0.05, 0.15 ,0.25, 0.05, 0.5],
                              size=1000)

# 给白种人的年龄设置一个不同的location
white_ages = stats.poisson.rvs(loc=18, 
                              mu=32,
                              size=1000)

voter_age = stats.poisson.rvs(loc=18,
                              mu=30,
                              size=1000)

voter_age = np.where(voter_race=="white", white_ages, voter_age)

voter_frame = pd.DataFrame({"race":voter_race,"age":voter_age})
groups = voter_frame.groupby("race").groups   

asian = voter_age[groups["asian"]]
black = voter_age[groups["black"]]
hispanic = voter_age[groups["hispanic"]]
other = voter_age[groups["other"]]
white = voter_age[groups["white"]]

stats.f_oneway(asian, black, hispanic, other, white)
代码语言:javascript
复制
F_onewayResult(statistic=10.164699828386366, pvalue=4.5613242113994585e-08)
代码语言:javascript
复制
model = ols('age ~ race',                 # Model formula
            data = voter_frame).fit()
                
anova_result = sm.stats.anova_lm(model, typ=2)
print (anova_result)
代码语言:javascript
复制
                sum_sq     df        F        PR(>F)
race       1284.123213    4.0  10.1647  4.561324e-08
Residual  31424.995787  995.0      NaN           NaN

测试结果表明,在这种情况下,两组的样本均值并不相同,因为p值在99%的置信水平下是显著的。

多重比较

  1. 在单因子方差分析中,当因子 显著时,就要继续研究如下问题 : 在多个水平均值中同时比较任意两个水平间有无明显差异的问题,这个问题的 检验法则称多重比较. 若因子 有 个水平,则同时检验 个假设

其拒绝域对给定的显著性水平诸临界值由决定

  1. Turkey 法 在各水平试验次数相同时,其诸临界值 也相 同,具体为

其中 是分布 的 分位数.

代码语言:javascript
复制
from statsmodels.stats.multicomp import pairwise_tukeyhsd

tukey = pairwise_tukeyhsd(endog=voter_age,    
                          groups=voter_race,   
                          alpha=0.05)          

tukey.plot_simultaneous()    # 画出每组的置信区间
plt.vlines(x=49.57,ymin=-0.5,ymax=4.5, color="red")

tukey.summary()              

Tukey检验的结果显示了平均差异、置信区间以及在给定显著性水平下是否应该拒绝原假设。在这种情况下,测试结果显示拒绝了3对原假设,每一对均包括“白色”类别。这表明白人群体可能与其他人不同。95%置信区间图显示了只有一个组的置信区间和白色组置信区间有重叠。

方差齐次性检验

  1. 问题 方差齐性即诸方差相等,是方差分析的基本假定之一,方差齐性检验就是检验这个假定是否成立. 该检验问题的一对假设为 vs 诸 不全相等.
  2. Hartley 检验,检验统计量是

其中 是第 个水平 下重复试验数据的样本方差. 拒绝域为

其中 为显著性水平 是统计量 的分布的 分位数

  1. Levene检验是Bartlett检验的替代方法。与正常情况相比,Levene检验不如Bartlett检验敏感。如果有确凿的证据表明数据确实来自正态分布或接近正态分布,那么Bartlett的检验将具有更好的性能。检验统计量是其中: 为第 个样本的含量, 为各样本含量之 和, 为将原 始数据经数据转换后的新的变量值。 为第 个样 本的均数, 。为全部数据的总的均数。拒绝域为
代码语言:javascript
复制
# Bartlett 检验
# scipy官网上的一个例子
from scipy.stats import bartlett
a = [8.88, 9.12, 9.04, 8.98, 9.00, 9.08, 9.01, 8.85, 9.06, 8.99]
b = [8.88, 8.95, 9.29, 9.44, 9.15, 9.58, 8.36, 9.18, 8.67, 9.05]
c = [8.95, 9.12, 8.95, 8.85, 9.03, 8.84, 9.07, 8.98, 8.86, 8.98]
stat, p = bartlett(a, b, c)
p
代码语言:javascript
复制
1.1254782518834628e-05

P值很小,意味着要拒绝原假设,a,b,c的方差不是齐次的

代码语言:javascript
复制
# 求a,b,c各自的方差
[np.var(x, ddof=1) for x in [a,b,c]]
代码语言:javascript
复制
[0.007054444444444413, 0.13073888888888888, 0.008890000000000002]
代码语言:javascript
复制
stat, p = bartlett(asian, black, hispanic, other, white)
p
代码语言:javascript
复制
0.16370899141700943
代码语言:javascript
复制
[np.var(x, ddof=1) for x in [asian, black, hispanic, other, white]]
代码语言:javascript
复制
[24.25951374207189,
 33.06383375267915,
 37.216268636578285,
 30.612653061224485,
 29.20417060179064]
代码语言:javascript
复制
# Levene检验
from scipy.stats import levene
a = [8.88, 9.12, 9.04, 8.98, 9.00, 9.08, 9.01, 8.85, 9.06, 8.99]
b = [8.88, 8.95, 9.29, 9.44, 9.15, 9.58, 8.36, 9.18, 8.67, 9.05]
c = [8.95, 9.12, 8.95, 8.85, 9.03, 8.84, 9.07, 8.98, 8.86, 8.98]
stat, p = levene(a, b, c)
p
代码语言:javascript
复制
0.002431505967249681
代码语言:javascript
复制
stat, p = levene(asian, black, hispanic, other, white)
p
代码语言:javascript
复制
0.4355288565481745
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-12-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据科学CLUB 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • ANOVA
    • 单因子方差分析
      • 多重比较
        • 方差齐次性检验
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档