Вложенная Anova в python с помощью Spm1d. Невозможно распечатать статистику f и значения p

Question

Я ищу простое решение для выполнения многофакторного анализа ANOVA в Python. Мне нужна двухфакторная вложенная ANOVA, и Python-модуль SPM1D - один из способов сделать это, однако у меня возникла проблема.

http://www.spm1d.org/doc/Stats1D/anova.html

для любого из вложенных примеров подходов никогда не печатается F-статистика или p_values, и я не могу найти какой-либо способ напечатать их или отправить их в переменную.

Чтобы пройти через ход выполнения одного из их примеров, где B вложен в A, с Y наблюдениями:

import numpy as np
from matplotlib import pyplot
import spm1d

dataset      = spm1d.data.uv1d.anova2nested.SPM1D_ANOVA2NESTED_3x3()
Y,A,B        = dataset.get_data()

#(1) Conduct ANOVA:
alpha        = 0.05
FF           = spm1d.stats.anova2nested(Y, A, B, equal_var=True)
FFi          = FF.inference(0.05)
print( FFi )

#(2) Plot results:
pyplot.close('all')
FFi.plot(plot_threshold_label=True, plot_p_values=True)
pyplot.show()

Единственным указанием на статистическую значимость является то, отклонена ли гипотеза h0 или нет.

> print( FFi )

SPM{F} inference list
   design    :  ANOVA2nested
   nEffects  :  2
Effects:
   A     z=(1x101) array      df=(2, 6)    h0reject=True
   B     z=(1x101) array      df=(6, 36)   h0reject=False

На самом деле этого должно быть достаточно. Однако в науке ученым нравится думать о чем-то как о более или менее значительном, что на самом деле является дерьмом... значение является бинарным. Но вот как они думают об этом, поэтому я должен подыграть, чтобы опубликовать работу.

Пример кода создает график matplotlib, и это ДОЛЖНО иметь статистику f и p_values!

#(2) Plot results:
pyplot.close('all')
FFi.plot(plot_threshold_label=True, plot_p_values=True)
pyplot.show()

Но я не могу получить какой-либо вывод, который его печатает.

FFi.get_p_values

а также

FFi.get_f_values

произвести вывод:

<bound method SPMFiList.get_p_values <kabammi edit -- or get_f_values> of SPM{F} inference list
   design    :  ANOVA2nested
   nEffects  :  2
Effects:
   A     z=(1x101) array      df=(2, 6)    h0reject=True
   B     z=(1x101) array      df=(6, 36)   h0reject=False

Так что я не знаю, что делать. Очевидно, класс FFi.plot может получить доступ к p_values ​​(с plot_p_values), но FFi.get_p_values ​​не может!!? Кто-нибудь может протянуть руку?

ура, К

Answer 1

Самый простой способ получить значения p - это использовать get_p_values метод, который вы упоминаете, вам просто нужно вызвать метод, добавив () к концу.

    p = FFi.get_p_values()
    print(p)

Это дает:

    ([0.016584151119287904], [])

Чтобы увидеть более подробную информацию о каждом эффекте в 2+-ходовом ANOVA, включая значения p, используйте print наряду с индивидуальной статистикой F, как это:

    print( FFi[0] )
    print( FFi[1] )

Первый оператор print выдаст вывод примерно так:

    SPM{F} inference field
       SPM.effect    :   Main A
       SPM.z         :  (1x101) raw test stat field
       SPM.df        :  (2, 6)
       SPM.fwhm      :  11.79254
       SPM.resels    :  (1, 8.47993)
    Inference:
       SPM.alpha     :  0.050
       SPM.zstar     :  24.30619
       SPM.h0reject  :  True
       SPM.p_set     :  0.017
       SPM.p_cluster :  (0.017)

Вы можете получить значения p кластеров следующим образом:

    p = [F.p  for  F in FFi]

который дает тот же результат, что и вызов get_p_values,

Обратите внимание, что в этом случае нет значений p для FFi[1] потому что тестовая статистика не может пересечь alpha-определенный порог (см. панель "Основная B" на рисунке выше). Если вам также необходимо сообщить значения p в этом случае, один из вариантов - просто использовать "p > alpha". Более точное значение p доступно параметрически вплоть до p = 0,5, но большие значения p не очень точны при использовании параметрических методов, поэтому, если вам нужны значения p для всех случаев, рассмотрите возможность использования непараметрической версии: spm1d.stats.nonparam.anova2nested,