2因素卡方检验主要是检验两个因素之间是否存在关联,或者叫相互影响,我们举一个例子,学习成绩和性别有没有关系,我们首先想到的可能是方差分析来检验平均数的差异,瞽攥涛徭但是如果我们拿到的数据是计数数据,比如成绩分为高分组和低分组,这样只能用卡方检验了。
引入相关模块,这里介绍一下Counter这个对象,它用于生成一个迭代器,关于迭代器你们百度一下;list可以生成一列表
我们可以看到迭代器是一个itertools.chain
那么这个迭代器生成的这个列表就是:![Python统计分析:[9]2因素卡方检验](https://exp-picture.cdn.bcebos.com/955ea0e434daf05e8ab008c5751d96d81919e52b.jpg)
了解了迭代器,我们下面就用Couter来生成我们需要的分类数据![Python统计分析:[9]2因素卡方检验](https://exp-picture.cdn.bcebos.com/19587f20a7cd0c6e33617307fed7997bbaf4dd2b.jpg)
打印一下结果,看看具体的数据是啥样子的
这是数据![Python统计分析:[9]2因素卡方检验](https://exp-picture.cdn.bcebos.com/604e9556ad042e68c37a205585f85856d43dd12b.jpg)
最后运行卡方检验![Python统计分析:[9]2因素卡方检验](https://exp-picture.cdn.bcebos.com/16a84fe10ef858560daed99053e9ccd2ba66cd2b.jpg)
首先输出的结果还是描述统计,括号内的数字表示期望值(根据虚无假设计算的值)![Python统计分析:[9]2因素卡方检验](https://exp-picture.cdn.bcebos.com/5917cb3da824d8e91741cad2da598540112ac82b.jpg)
接着是卡方检验![Python统计分析:[9]2因素卡方检验](https://exp-picture.cdn.bcebos.com/d9a8d2d2bb6651595bd3619e8fe23ea23b42c72b.jpg)
这是最后得到的统计量![Python统计分析:[9]2因素卡方检验](https://exp-picture.cdn.bcebos.com/84010e2a04e23ea2d8d1d1ce2b10bc33ed38c32b.jpg)