双因素方差分析_Python统计分析|有交互双因素方差分析

     在无交互作用的双因素方差分析中，行因素和列因素对因变量的影响是相互独立的。但是如果两个因素搭配在一起对因变量的影响会形成一个新的效应，就需要考虑交互作用对因变量的影响， 这就是有交互作用的双因素方差分析。 书中的例子：

    行变量有2个水平，即高峰期和低峰期；列变量有2个水平，即路段1和路段2；行变量的每一个水平有5行数据；列变量的每一个水平有2列数据，如下图：

excel输出结果

使用statsmedols进行双因素方差分析

import pandas as pdfrom statsmodels.formula.api import olsfrom statsmodels.stats.anova import anova_lmroad_data = {'value':[26,19,24,20,27,23,25,22,25,21,20,18,17,17,22,13,21,16,17,12],            'level_0':['r1','r2','r1','r2','r1','r2','r1','r2','r1','r2','r1','r2','r1','r2',                      'r1','r2','r1','r2','r1','r2'],            'level_1':['H','H','H','H','H','H','H','H','H','H',                      'L','L','L','L','L','L','L','L','L','L']}df = pd.DataFrame(road_data)model = ols('value ~ C(level_0)+C(level_1)+C(level_0):C(level_1)', df).fit()anova_lm(model)                       df  sum_sq  mean_sq     F         PR(>F)C(level_0)             1.0  92.45   92.45   23.405063  0.000182C(level_1)             1.0  174.05  174.05  44.063291  0.000006C(level_0):C(level_1)  1.0   0.05    0.05   0.012658   0.911819Residual               16.0  63.20   3.95    NaN       NaN

计算结果与excel输出一致！