Python笔记-方差分析之单因素方差分析

IT1995

于 2022-02-17 08:46:53 发布

阅读量5.2k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python sklearn 数据分析

本文链接：https://blog.csdn.net/qq78442761/article/details/122975581

Python 专栏收录该内容

99 篇文章

订阅专栏

本文通过实例解析了如何使用单因素分析比较不同行业的股票年增长率，通过OLS模型和ANOVA检验，展示了如何在统计上判断行业间收益水平的显著性差异。数据示例中，p值小于0.05说明类型间的收益存在显著区别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这个单因素分析一般是用来研究不同行业股票收益水平。

比如下面的代码：

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

df = pd.DataFrame(
    [
        [1.4, "one"], [1.5, "one"], [1.6, "one"], [0.1, "two"], [0.2, "two"], [0.3, "two"]
     ],
    columns=['rate', 'type']
)

if __name__ == '__main__':
    model = ols('rate ~type', data=df)
    data = model.fit()
    print(anova_lm(data))
    pass

运行截图如下：

解释下数据：

df = pd.DataFrame(
    [
        [1.4, "one"], [1.5, "one"], [1.6, "one"], [0.1, "two"], [0.2, "two"], [0.3, "two"]
     ],
    columns=['rate', 'type']
)

这里one是一个类型，two是一个类型，前面的数据，代表年增长率。

解释下代码：

model = osl(‘样本某一列 ~ 样本另一列’)

table1= anova.anova_lm(model)

结果中可以知道，p=0.0000091，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。