如何使用状态模型联合测试ipython中的多级分类效果？

Question

我在ipython的状态模型中使用普通的最小二乘函数来拟合一个线性模型，其中一个协变量(城市)是一个多层次的范畴效应：

result=smf.ols(formula="Y ~ C(City) + X*C(Group)"，data=s).fit()；

(X是连续的，群是二进制范畴变量)。

当我做results.summary()时，我得到了每层城市的一行，然而，我想知道的是“城市”协变量的总体意义(即比较Y~C( City )+X*C(组)与部分模型Y~X*C(组))。

有办法吗？

提前感谢

Answer 1

简短回答

您可以直接使用anova_lm (类型3)，也可以使用f_test或wald_test，或者构造约束矩阵，或者以公式序列的形式提供假设的约束。

http://statsmodels.sourceforge.net/devel/anova.html test.html

Answer 2

谢谢user333700！

这是你的提示的详细说明。我用一个三级分类变量生成数据，使用状态模型来拟合一个模型，然后联合测试分类变量的所有级别：

# 1. generate data
def rnorm(n,u,s):
    return np.random.standard_normal(n)*s+u
a=rnorm(100,-1,1);
b=rnorm(100,0,1);
c=rnorm(100,+1,1);
n=rnorm(300,0,1); # some noise
y=np.concatenate((a,b,c))+n
g=np.zeros(300);
g[0:100]=1
g[100:200]=2
g[200:300]=3
df=pd.DataFrame({'Y':y,'G':g,'N':n});

# 2. fit model
r=smf.ols(formula="Y ~ N + C(G)",data=df).fit();
r.summary()

# 3. joint test
print r.params
A=np.identity(len(r.params)) # identity matrix with size = number of params
GroupTest=A[1:3,:] # for the categorical var., keep the corresponding rows of A
CovTest=A[3,:] # row for the continuous var.
print "Group effect test",r.f_test(GroupTest).fvalue
print "Covariate effect test",r.f_test(CovTest).fvalue

结果应该是这样的：

Intercept     -1.188975
C(G)[T.2.0]    1.315898
C(G)[T.3.0]    2.137431
N              0.922038
dtype: float64
Group effect test [[ 120.86097747]]
Covariate effect test [[ 259.34155851]]