statsmodels.stats.oneway.equivalence_scale_oneway¶

statsmodels.stats.oneway.equivalence_scale_oneway(data, equiv_margin, method='bf', center='median', transform='abs', trim_frac_mean=0.0, trim_frac_anova=0.0)[source]¶

单因素方差分析用于检验尺度、方差或离散度的等价性

此假设检验对转换后的数据执行单向等效方差分析检验。

注意，等价边际 equiv_margin 的解释将取决于数据的转换。像绝对偏差这样的转换不会被缩放到对应于正态分布下的方差。

Parameters:¶

datatuple of array_like or DataFrame or Series

k个独立样本的数据，其中k >= 2。数据可以以数组的元组或列表形式提供，或者在长格式中，结果观测值在data中，组别成员在groups中。

equiv_marginfloat

等效边际在效应量方面的表示。效应量可以通过margin_type选择。默认是平方的Cohen’s f。

method{“unequal”, “equal” or “bf”}

如何处理样本间的异方差性。这作为anova_oneway中的use_var选项使用，并指转换后的数据的方差，即如果使用平方作为转换，假设是关于第四矩的。 三种方法可用：

“unequal”Variances are not assumed to be equal across samples.

异方差性通过Welch方差分析和Satterthwaite-Welch自由度来考虑。 这是默认设置。

“equal”Variances are assumed to be equal across samples.

这是标准的方差分析。

“bf”Variances are not assumed to be equal across samples.

该方法是Browne-Forsythe（1971）用于检验均值相等的方法，并由Merothra修正了自由度。原始BF自由度作为附加属性在结果实例中可用，df_denom2 和 p_value2。

center“median”, “mean”, “trimmed” or float

用于居中观测值的统计量。如果是一个浮点数，则使用该值进行居中。默认是中位数。

transform“abs”, “square” or callable

中心化观测值的转换。如果是一个可调用的函数，则该函数会在中心化数据上调用。 默认是绝对值。

trim_frac_meanfloat in [0, 0.5)

当 center 为“修剪”时，修剪均值的修剪比例

trim_frac_anovafloat in [0, 0.5)

可选的修剪用于带有修剪均值和Winsorized方差的方差分析。 默认的trim_frac等于零时，单因素方差分析统计量 不进行修剪计算。如果trim_frac大于零， 则每个样本中的最大和最小观测值将被修剪。 参见anova_oneway中的trim_frac选项

Returns:¶

resultsinstance of HolderTuple class

两个主要属性是检验统计量 statistic 和 p 值 pvalue。

另请参阅

anova_oneway

scale_transform

equivalence_oneway