Python实现两因素独立设计方差分析，简单效应分析

# Python实现两因素独立设计方差分析

1. 背景

1. 有研究者探讨了在不同企业文化下，管理者的不同语言风格所产生的影响

有的企业注重员工的独立性，强调个人努力和内部竞争；有的企业注重员工的整体性，强调团队合作和团队绩效。

管理者的语言风格有斩钉截铁型和优柔寡断型。

据此，研究者制作了 4 种录音材料，分别提供不同企业文化背景下管理者不同语言风格的对话内容， 12名被试被分成4组参与了实验，每组分别听不同的录音。最后要求被试用 7 点量表评估管理者的能力。

结果如下：

实验目的：探究不同企业文化下不同语言风格对管理能力得分的影响。

实验设计：2*2 两因素独立方差分析

变量：

自变量1： 企业文化（个人努力VS团队合作），自变量2： 语言风格（优柔寡断VS斩钉截铁）

因变量：管理能力得分

PS：此处为了减少数据转换操作，故直接采用长数据格式。

2. Python代码

import pandas as pd
from statsmodels.stats.multicomp import pairwise_tukeyhsd
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
from scipy import statsdef general_data():# 为了减少转换这里直接给了长数据，指定第0列（表中第1列）为索引列df_two_way = pd.read_excel('./excel/不同企业文化下不同语言风格对管理的影响.xlsx', index_col=0)print("df_two_way=\n", df_two_way)# 制定各列的变量名，如不指定则直接用表头# df_two_way.columns = ['企业文化', '语言风格', '管理能力得分']return df_two_waydef two_way_anova(df_two_way):# 包括两个主效应和一个交互效应formula = '管理能力得分  ~  C(企业文化)  +  C(语言风格)  +  C(企业文化) : C(语言风格)'model_two_way = ols(formula, df_two_way).fit()anova_table = anova_lm(model_two_way)print("=======输出方差分析表=======")# print(anova_table)for i in range(3):  # 将科学计数法转换为小数并只保留3位小数，和SPSS输出结果一致anova_table["PR(>F)"][i] = format(anova_table["PR(>F)"][i], ".3f")print(anova_table)# 读取交互效应行，如果显著，进行下一步，简单效应分析int_p = anova_table["PR(>F)"]["C(企业文化):C(语言风格)"]print("交互作用p值=", int_p)if float(int_p) < 0.05:print("p值小于0.05，交互效应显著，要进行简单效应分析")return True# 由于没有找到现成的方案，所以考虑对表格进行拆分，如果交互作用显著，
# 则读取表格中的某一变量的某个水平下的所有数据，然后进行t校验
# 这是自己写的一个简单的算法，如有更好的方法欢迎赐教
def simple_effect_analysis(check, melt_data):dependent = "管理能力得分"# 交互效应存在，进行简单效应分析，否则跳过if check:# 简单效应分析需要分别# 检测企业文化为"个人努力"下的不同语言风格差异，# 以及企业文化为"团队合作"下的不同语言风格差异，# 分别对两种情况进行t检验即可groups = melt_data.groupby(melt_data.企业文化)for company_culture in ["个人努力", "团队合作"]:melt_data = groups.get_group(company_culture)# print(melt_data)# 分别比较在不同企业文化下，不同语言风格对管理能力得分影响的差异print("\n=======%s企业文化下不同语言风格t检验分析结果=========" % company_culture)t_test(melt_data)def t_test(melt_data):melt_data = melt_data[['语言风格', '管理能力得分']]# print("melt_data=\n", melt_data)groups = melt_data.groupby(melt_data.语言风格)a_group = groups.get_group("优柔寡断")# print("a_group=\n", a_group)b_group = groups.get_group("斩钉截铁")# print("b_group=\n", b_group)t_value, p_value = stats.ttest_ind(a=a_group['管理能力得分'], b=b_group['管理能力得分'])# T = (样本均值 - 总体均值或另一样本均值) / (标准误差)print(f"T值：{t_value:.3f}, p值：{p_value:.3f}")data = general_data()
simple_effect_analysis(two_way_anova(data), data)

3. 结果

3.1 运行以上代码，会出现如下结果

3.1.1 两因素独立方差分析输出结果

由于它这里对得不是很齐，所以我把p值圈了出来，可以看到有两个主效应的p值和一个交互效应的p值，其中企业文化主效应不显著，其他两个显著。

我的代码检测到交互作用p值小于0.05，就自动进入简单效应分析。

可以和SPSS的输出结果对比下：

中文版：

英文版：

3.1.2 简单效应分析结果

由于没有找到现成的方案来做简单效应分析，所以考虑对表格进行拆分，如果交互作用显著，则读取表格中的某一变量的某个水平下的所有数据，然后进行t检验。
代码中呈现的是自己写的简单算法，如有错误或更好的方法欢迎赐教。

补充，T值的公式为：

T = (样本均值 - 总体均值或另一样本均值) / (标准误差)

SPSS中的输出：

这里SPSS是采用了语法编辑器中的COMPARE语句，因为没有直接的成对比较方法。

可以看出，在不同企业文化下，不同语言风格的管理能力得分均存在显著差异。

4. 详细分析

4.1 方差分析

4.1.1 python代码

def general_data():# 为了减少转换这里直接给了长数据，指定第0列（表中第1列）为索引列df_two_way = pd.read_excel('./excel/不同企业文化下不同语言风格对管理的影响.xlsx', index_col=0)print("df_two_way=\n", df_two_way)# 制定各列的变量名，如不指定则直接用表头# df_two_way.columns = ['企业文化', '语言风格', '管理能力得分']return df_two_waydef two_way_anova(df_two_way):# 包括两个主效应和一个交互效应formula = '管理能力得分  ~  C(企业文化)  +  C(语言风格)  +  C(企业文化) : C(语言风格)'model_two_way = ols(formula, df_two_way).fit()anova_table = anova_lm(model_two_way)print("=======输出方差分析表=======")# print(anova_table)for i in range(3):  # 将科学计数法转换为小数并只保留3位小数，和SPSS输出结果一致anova_table["PR(>F)"][i] = format(anova_table["PR(>F)"][i], ".3f")print(anova_table)# 读取交互效应行，如果显著，进行下一步，简单效应分析int_p = anova_table["PR(>F)"]["C(企业文化):C(语言风格)"]print("交互作用p值=", int_p)if float(int_p) < 0.05:print("p值小于0.05，交互效应显著，要进行简单效应分析")return True

代码中都有详细注释，不再重复，这里补充一下SPSS操作

4.1.2 SPSS操作

把自变量和因变量放入对应位置，点击确认即可

同样描述统计和齐性检验那些可以在选项里面选择，这里不选择，输出可以纯粹一点，结果见开头，不再重复贴出。

4.2 简单效应分析

4.2.1 Python代码

# 由于没有找到现成的方案，所以考虑对表格进行拆分，如果交互作用显著，
# 则读取表格中的某一变量的某个水平下的所有数据，然后进行t校验
# 这是自己写的一个简单的算法，如有更好的方法欢迎赐教
def simple_effect_analysis(check, melt_data):dependent = "管理能力得分"# 交互效应存在，进行简单效应分析，否则跳过if check:# 简单效应分析需要分别# 检测企业文化为"个人努力"下的不同语言风格差异，# 以及企业文化为"团队合作"下的不同语言风格差异，# 分别对两种情况进行t检验即可groups = melt_data.groupby(melt_data.企业文化)for company_culture in ["个人努力", "团队合作"]:melt_data = groups.get_group(company_culture)# print(melt_data)# 分别比较在不同企业文化下，不同语言风格对管理能力得分影响的差异print("\n=======%s企业文化下不同语言风格t检验分析结果=========" % company_culture)t_test(melt_data)def t_test(melt_data):melt_data = melt_data[['语言风格', '管理能力得分']]# print("melt_data=\n", melt_data)groups = melt_data.groupby(melt_data.语言风格)a_group = groups.get_group("优柔寡断")# print("a_group=\n", a_group)b_group = groups.get_group("斩钉截铁")# print("b_group=\n", b_group)t_value, p_value = stats.ttest_ind(a=a_group['管理能力得分'], b=b_group['管理能力得分'])# T = (样本均值 - 总体均值或另一样本均值) / (标准误差)print(f"T值：{t_value:.3f}, p值：{p_value:.3f}")

simple_effect_analysis()函数中，有两步关键的数据拆分，详细说明如下，
"""
df_two_way=企业文化  语言风格  管理能力得分
被试                    
1   个人努力  优柔寡断     3.1
2   个人努力  优柔寡断     3.0
3   个人努力  优柔寡断     3.2
4   个人努力  斩钉截铁     4.7
5   个人努力  斩钉截铁     4.6
6   个人努力  斩钉截铁     4.8
7   团队合作  优柔寡断     4.5
8   团队合作  优柔寡断     4.4
9   团队合作  优柔寡断     4.6
10  团队合作  斩钉截铁     3.5
11  团队合作  斩钉截铁     3.4
12  团队合作  斩钉截铁     3.6
"""
# 将该数据按企业文化分组，然后按照对应的值，拆分为两个df格式的数据
def split_data(df_two_way):groups = df_two_way.groupby(df_two_way.企业文化)person_df = groups.get_group("个人努力")team_df = groups.get_group("团队合作")print(person_df)print(team_df)
# 即可得到
"""企业文化  语言风格  管理能力得分
被试                    
1   个人努力  优柔寡断     3.1
2   个人努力  优柔寡断     3.0
3   个人努力  优柔寡断     3.2
4   个人努力  斩钉截铁     4.7
5   个人努力  斩钉截铁     4.6
6   个人努力  斩钉截铁     4.8
"""
# 以及
"""企业文化  语言风格  管理能力得分
被试                    
7   团队合作  优柔寡断     4.5
8   团队合作  优柔寡断     4.4
9   团队合作  优柔寡断     4.6
10  团队合作  斩钉截铁     3.5
11  团队合作  斩钉截铁     3.4
12  团队合作  斩钉截铁     3.6
"""

然后t_test也用了相同的方式处理。

4.2.2 SPSS中的简单效应分析

据我所知，SPSS中没有直接的点击操作可以进行简单效应分析，所以这部分要进入语法编辑器中进行操作。

在之前的方差分析页面中，点击Paste
即可进入语法编辑器窗口

  1. UNIANOVA 管理能力得分 BY 企业文化 语言风格：这部分表示要进行单因素方差分析（UNIANOVA），因变量是“管理能力得分”，自变量是“企业文化”和“语言风格”。
  2. /METHOD=SSTYPE(3)：指定使用Type III SS（类型III平方和），这是计算F统计量所用的平方和类型。
  3. /INTERCEPT=INCLUDE：表示在模型中包含截距项。
  4. /CRITERIA=ALPHA(0.05)：设置显著性水平为0.05。
  5. /DESIGN=企业文化 语言风格 企业文化*语言风格：指定用于设计的自变量，即“企业文化”、“语言风格”和它们的交互项“企业文化*语言风格”。

然后我们在中间加一句：/EMMEANS=TABLES(企业文化*语言风格) COMPARE(语言风格)ADJ(LSD)

DATASET ACTIVATE DataSet1.
UNIANOVA 管理能力得分 BY 企业文化 语言风格/METHOD=SSTYPE(3)/INTERCEPT=INCLUDE/EMMEANS=TABLES(企业文化*语言风格) COMPARE(语言风格)ADJ(LSD)/CRITERIA=ALPHA(0.05)/DESIGN=企业文化 语言风格 企业文化*语言风格.
  1. /EMMEANS=TABLES(企业文化*语言风格) COMPARE(语言风格)ADJ(LSD)：这部分是关于估计边际平均数（EMMEANS）的命令，用于生成交叉表，比较不同组之间的平均数，并使用LSD（最小显著差异）方法进行多重比较。

点击顶部的绿色三角即可运行，注意光标要放在代码块中。

输出结果如下：

中文版：

英文版：

END

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/427574.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

数据结构·单链表

数据结构·单链表

不可否认的是&#xff0c;前几节我们讲解的顺序表存在一下几点问题&#xff1a; 1. 中间、头部的插入和删除&#xff0c;需要移动一整串数据&#xff0c;时间复杂度O(N) 2. 增容需要申请新空间&#xff0c;拷贝数据&#xff0c;释放旧空间。会有不小的消耗 3. 增容一般是2倍的增…
阅读更多...
Linux——理解文件系统

Linux——理解文件系统

目录 1、inode 2、硬链接、软链接 理解硬链接 软链接 3、静态库、动态库 静态库与动态库 生成静态库 生成动态库 使用动态库 运行动态库 使用外部库 库文件名称和引入库的名称 1、inode 使用ls -l命令不仅显示出了文件名&#xff0c;也可以显示出文件元数据 一行…
阅读更多...
Spring 的 IOC 和 AOP

Spring 的 IOC 和 AOP

题目 Spring 的 IOC 和 AOP 推荐解析 IOC 是什么&#xff1f; IoC&#xff08;Inversion of Control&#xff09; 控制反转&#xff0c;是一种常见的设计思想&#xff0c;主要就是将手动创建对象的控制权&#xff0c;交给 Spring 框架来管理。 为什么需要存在一个容器&…
阅读更多...
MVC模式

MVC模式

Model-View-Controller : 模型-视图-控制器模式&#xff0c;用于应用程序的分层开发。 Model(模型)&#xff1a;代表一个存取数据的对象。也可以带有逻辑&#xff0c;在数据变化时更新控制器。 View(视图)&#xff1a;代表模型包含的数据的可视化。 Controller(控制器)&#xf…
阅读更多...
Nuxt3：/_nuxt/xxx.mjs请求502问题引发的_nuxt实际指向探究

Nuxt3：/_nuxt/xxx.mjs请求502问题引发的_nuxt实际指向探究

一、问题描述 今天后台的小伙伴给我发了一张图&#xff1a; 根据图中提示&#xff0c;应该是在请求某个/_nuxt/xxx.mjs的时候报错了&#xff0c;如果单独在浏览器访问该文件路径也是能访问到的&#xff0c;那有可能就是访问量比较大&#xff0c;服务器响应不过来导致的&#x…
阅读更多...
数组A[m+n]中存放了两个线性表（a1,a2,.....am）和（b1,b2.....bn)，将数组中的两个线性表的位置互换，要求空间复杂度为1

数组A[m+n]中存放了两个线性表（a1,a2,.....am）和（b1,b2.....bn)，将数组中的两个线性表的位置互换，要求空间复杂度为1

要求空间复杂度为O(1)&#xff0c;那么不可以借助辅助数组来完成此操作 算法思路&#xff1a;可先将此数组逆置变成bn,......b1,am,....,a1&#xff0c;然后分别逆转两个线性表的数据元素 算法实现 1、定义一个函数&#xff0c;该函数的功能是可以对一个数组的任意连续的部分进…
阅读更多...
JS之打地鼠案例

JS之打地鼠案例

需要素材的同学可以私信我 效果图&#xff1a; 上代码&#xff1a; <!DOCTYPE html> <html> <head><meta charset"utf-8"><title></title><style>* {margin: 0;padding: 0;}.box {position: relative;width: 320px;heigh…
阅读更多...
DAY08_SpringBoot—整合Mybatis-Plus

DAY08_SpringBoot—整合Mybatis-Plus

目录 1 MybatisPlus1.1 MP介绍1.2 MP的特点1.3 MybatisPlus入门案例1.3.1 导入jar包1.3.2 编辑POJO对象1.3.3 编辑Mapper接口1.3.4 编译YML配置文件1.3.5 编辑测试案例 1.4 MP核心原理1.4.1 需求1.4.2 原理说明1.4.3 对象转化Sql原理 1.5 MP常规操作1.5.1 添加日志打印1.5.2 测…
阅读更多...
搭建Android开发环境—— 熟悉Android开发工具，掌握Android移动端开发环境的搭建、项目导入，并能够将项目部署到模拟器和真机进行测试。

搭建Android开发环境—— 熟悉Android开发工具，掌握Android移动端开发环境的搭建、项目导入，并能够将项目部署到模拟器和真机进行测试。

搭建Android开发环境 一、实验目的 熟悉Android开发工具&#xff0c;掌握Android移动端开发环境的搭建、项目导入&#xff0c;并能够将项目部署到模拟器和真机进行测试。 二、实验设备及器件 1、JDK1.8安装包 2、Android Studio安装包 三、实验内容 完成JDK和Android Stud…
阅读更多...
WPF多值转换器

WPF多值转换器

背景&#xff1a;实现Slider拖动可以调整rgb 单转换器&#xff1a;WPF中数据绑定转换器Converter-CSDN博客 在View中&#xff1a; <StackPanel Orientation"Vertical"><Slider x:Name"slider_R" Minimum"0" Maximum"255" Wi…
阅读更多...
MySQL视图特性

MySQL视图特性

视图是一个虚拟表&#xff0c;其内容由查询定义。同真实的表一样&#xff0c;视图包含一系列带有名称的列和行数据。视图的数据变化会影响到基表&#xff0c;基表的数据变化也会影响到视图。 1.基本使用 创建视图 create view 视图名 as select 语句&#xff1b; 案例&…
阅读更多...
微信双开bat脚本中出现中文目录导致报错运行不了

微信双开bat脚本中出现中文目录导致报错运行不了

在微信双开bat脚本的教程中看到一个评论&#xff1a; 可以是可以&#xff0c;写完脚本另存为的时候改变编码就行了&#xff0c;选ANSI
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023