這個單因素分析一般是用來研究不同行業股票收益水平。

比如下面的代碼：

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

運行截圖如下：

?解釋下數據：

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

這里one是一個類型，two是一個類型，前面的數據，代表年增長率。

解釋下代碼：

model = osl(‘樣本某一列 ~ 樣本另一列’)

table1= anova.anova_lm(model)

結果中可以知道，p=0.0000091，默認情況下顯著水平為0.05，也就是0.05以上代表2個類型，很相似，無關性小，0.05以下，代表2個類型不相似，也就是說不同行業股票收益水平不同。

總結

以上是生活随笔為你收集整理的Python笔记-方差分析之单因素方差分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。