|
副问题[/!--empirenews.page--]
之前已经先容的变量说明：
- ①相干说明：一个持续变量与一个持续变量间的相关。
- ②双样本t检讨：一个二分分类变量与一个持续变量间的相关。
本次先容：
- 方差说明：一个多分类分类变量与一个持续变量间的相关。
个平分类个数大于两个，分类变量也可以有多个。
当分类变量为多个时，对分类个数不做要求，，即可觉得二分分类变量。
一、数理统计技能
数理统计分为频率和贝叶斯两大学派。
描写性统计说明，描写性说明就是从总体数据中提炼变量的首要信息，即统计量。
描写性说明的难点在于对营业的相识和对数据的探求。
统计揣度和统计建模，成立表明变量与被表明变量之间可表明的、不变的、最好是具有因果相关的表达式。
在模子运用时，将表明变量(自变量)带入表达式中，用于猜测被表明变量(因变量)的值。
现阶段，我进修的就是统计揣度与建模的常识...
二、方差说明
方差说明用于检讨多个样本的均值是否有明显差别。
试探多于两个分类的分类变量与持续变量的相关。
好比说「浅谈数据说明岗」中薪水与教诲水平之间的相关，教诲水平为一个多分类的分类变量。
01 单身分方差说明
单身分方差说明的条件前提：
- ①变量听从正态漫衍(薪水切合)。
- ②视察之间独立(教诲水平切合)。
- ③需验证组间的方差是否沟通，即方差齐性检讨。
组间偏差与组内偏差、组间变异与组内变异、组间均方与组内均方都是方差说明中的权衡尺度。
假如组间均方明明大于组内均方，则声名教诲水平对薪水的影响明显。
那么必要大几多才气确定结论呢?
这里组间均方与组内均方的比值是听从F漫衍，下面贴出F漫衍曲线图。
个中横坐标为F值，即组间均方与组内均方的比值。
当F值越大时，即组间均方越大、组内均方越小，声名组间的变异大。
而且对应的P值也越小(纵轴)，便可以拒绝原假设(原假设为无差别)。
下面以「浅谈数据说明岗」中薪水与教诲水平为例。
这里我们只是直观的看出薪水随学历的增添而增添，并没有实其着实的对象。
接下来就用数字来措辞!!!
代码如下，必要洗濯数据。
- from scipy import stats
- import pandas as pd
- import pymysql
- # 获取数据库数据
- conn = pymysql.connect(host='localhost', user='root', password='774110919', port=3306, db='lagou_job', charset='utf8mb4')
- cursor = conn.cursor()
- sql = "select * from job"
- df = pd.read_sql(sql, conn)
- # 洗濯数据,天生薪水列
- dom = []
- for i in df['job_salary']:
- i = ((float(i.split('-')[0].replace('k', '').replace('K', '')) + float(i.split('-')[1].replace('k', '').replace('K', ''))) / 2) * 1000
- dom.append(i)
- df['salary'] = dom
- # 去除无效列
- data = df[df.job_education != '不限']
- # 天生差异教诲水平的薪水列表
- edu = []
- for i in ['大专', '本科', '硕士']:
- edu.append(data[data['job_education'] == i]['salary'])
- # 单身分方差说明
- print(stats.f_oneway(*edu))
- # 获得的功效
- F_onewayResult(statistic=15.558365658927576, pvalue=3.0547055604132536e-07)
得出功效，F值为15.5，P值靠近于0，以是拒绝原假设，即教诲水平会明显影响薪水。
02 多身分方差说明
多身分方差说明检讨多个分类变量与一个持续变量的相关。
除了思量分类变量对持续变量的影响，还必要思量分类变量间的交互效应。
这里因为我的数据满意不了本次操纵，以是选择书中的数据。
即切磋名誉卡斲丧与性别、教诲水平的相关。
起首思量无交互效应，代码如下。
- import statsmodels.formula.api as smf
- import statsmodels.api as sm
- import pandas as pd
- # 读取数据,skipinitialspace:忽略脱离符后的空缺,dropna:对缺失的数据举办删除
- df = pd.read_csv('creditcard_exp.csv', skipinitialspace=True)
- df = df.dropna(how='any')
- # smf:最小二乘法,构建线性回归模子,
- ana = smf.ols('avg_exp ~ C(edu_class) + C(gender)', data=df).fit()
- # anova_lm:多身分方差说明
- print(sm.stats.anova_lm(ana))
（编辑：湖南网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
