为什么 R 和 statsmodels 给出的方差分析结果略有不同？

Question

使用小型 R 样本数据集和来自 statsmodels 的方差分析示例，其中一个变量的自由度报告不同，F 值结果也略有不同。也许他们的默认方法略有不同？我可以设置 statsmodels 以使用 R 的默认值吗？

import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols


##R code on R sample dataset

#> anova(with(ChickWeight, lm(weight ~ Time + Diet)))
#Analysis of Variance Table
#
#Response: weight
#           Df  Sum Sq Mean Sq  F value    Pr(>F)
#Time        1 2042344 2042344 1576.460 < 2.2e-16 ***
#Diet        3  129876   43292   33.417 < 2.2e-16 ***
#Residuals 573  742336    1296
#write.csv(file='ChickWeight.csv', x=ChickWeight, row.names=F)

cw = pd.read_csv('ChickWeight.csv')
cw_lm=ols('weight ~ Time + Diet', data=cw).fit()   

print(sm.stats.anova_lm(cw_lm, typ=2))
#                  sum_sq   df            F         PR(>F)
#Time      2024187.608511    1  1523.368567  9.008821e-164
#Diet       108176.538530    1    81.411791   2.730843e-18
#Residual   764035.638024  575          NaN            NaN

数据集的头部和尾部相同*，还有均值、最小值、最大值、重量和时间的中值。

Answer 1

看起来 "Diet" 在 statsmodels 调用中只有一个自由度，这意味着它可能被视为一个连续变量，而在 R 中它有 3 个自由度，所以它可能是一个 factor/discrete随机变量。

要使 ols() 将 "Diet" 视为分类随机变量，请使用

cw_lm=ols('weight ~ C(Diet) + Time', data=cw).fit()

为什么 R 和 statsmodels 给出的方差分析结果略有不同？

Why do R and statsmodels give slightly different ANOVA results?

r

pandas

statsmodels

anova