statsmodels.sandbox.stats.multicomp.TukeyHSDResults.plot_simultaneous¶

TukeyHSDResults.plot_simultaneous(comparison_name=None, ax=None, figsize=(10, 6), xlabel=None, ylabel=None)[source]¶

绘制每个组均值的通用置信区间

在图中可视化每个组的显著差异，而不是所有成对置信区间。

Parameters:¶

comparison_namestr, optional

如果提供了plot_intervals，将会把所有与comparison_name显著不同的组用红色标注，并将不显著的组用灰色标注。否则，所有区间将仅以黑色绘制。

axmatplotlib axis, optional

要附加图形的轴句柄。

figsizetuple, optional

用于生成图形大小的元组

xlabelstr, optional

显示在x轴上的名称

ylabelstr, optional

要在 y 轴上显示的名称

Returns:¶

Figure

包含区间图的图形对象的句柄

注释

多重比较测试很好，但缺乏良好的可视化方法。如果你有6个组，展示每组之间均值的图表将需要15个置信区间。相反，我们可以通过为每个组均值绘制一个单一区间来可视化组间差异。Hochberg等人[1]首次提出了这个想法，并使用Tukey的Q临界值来计算区间宽度。与绘制均值差异及其各自的置信区间不同，任何两个对都可以通过查看重叠来比较显著性。

参考文献

示例

>>> from statsmodels.examples.try_tukey_hsd import cylinders, cyl_labels
>>> from statsmodels.stats.multicomp import MultiComparison
>>> cardata = MultiComparison(cylinders, cyl_labels)
>>> results = cardata.tukeyhsd()
>>> results.plot_simultaneous()
<matplotlib.figure.Figure at 0x...>

此示例展示了一个比较组均值显著差异的示例图。在alpha=0.05水平上，可以通过不重叠的区间来识别显著差异（即美国与日本、美国与德国）。

>>> results.plot_simultaneous(comparison_name="USA")
<matplotlib.figure.Figure at 0x...>

可选地提供其中一个组名，以颜色编码绘图，突出显示与comparison_name不同的组均值。