多因數分析的格式：

model = osl(‘樣本某一列 ~ 樣本另一列 + 樣本另一列 ’)

如下代碼：

from statsmodels.stats.anova import anova_lm from statsmodels.formula.api import ols import pandas as pddf = pd.DataFrame([[1.4, "one", "common"], [1.5, "one", "common"], [1.6, "one", "vip"], [1.5, "one", "vip"], [1.6, "one", "vip"], [1.7, "one", "vip"],[0.1, "two", "lamb"], [0.2, "two", "lamb"], [0.3, "two", "lamb"], [0.4, "two", "lamb"], [0.5, "two", "lamb"], [0.6, "two", "common"]],columns=["rate", "type", "rank"] )if __name__ == '__main__':model = ols("rate ~type + rank", data=df)data = model.fit()print(anova_lm(data))pass

運行截圖如下：

?同樣：

結果中可以知道，p很小，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。

如果是析因素方差

就是這樣的

model = osl(‘樣本某一列 ~ 樣本另一列 * 樣本另一列’，data=樣本).fit()

總結

以上是生活随笔為你收集整理的Python笔记-方差分析之多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。