基于Dataframe的OLS模型ANOVA结果自由度等数值错误排查

错误原因 #

你的Mix列是整数数值类型，statsmodels的OLS公式默认将数值型变量视为连续自变量，因此拟合的是Texture随Mix线性变化的简单线性回归模型，这时候Mix对应的自由度为1（仅对应线性项的单个参数），而非分类变量应有的11个自由度（12个水平-1）。

解决方法 #

有两种方式可以让statsmodels将Mix当作分类变量处理：

方式1：在OLS公式中用C()包裹变量 #

修改公式，明确指定Mix为分类变量：

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

df = pd.read_csv('contrastExampleData.csv')

# 用C(Mix)指定分类变量
mod = ols(formula='Texture ~ C(Mix)', data=df).fit()
aov_table = sm.stats.anova_lm(mod, typ=1)
print(aov_table)

方式2：提前将Mix列转换为分类类型 #

先把DataFrame中的Mix列转为category类型，再拟合模型：

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

df = pd.read_csv('contrastExampleData.csv')

# 转换为分类类型
df['Mix'] = df['Mix'].astype('category')
mod = ols(formula='Texture ~ Mix', data=df).fit()
aov_table = sm.stats.anova_lm(mod, typ=1)
print(aov_table)

经过上述处理后，Mix的自由度会变为11，得到符合预期的ANOVA结果。

内容的提问来源于stack exchange，提问作者Farooq Zahid