与Spm1d在python中嵌套Anova。无法打印f统计数据和p值

Question

我正在寻找一个简单的解决方案来在python中执行多因素ANOVA分析。我想要的是2因子嵌套ANOVA，而SPM1D python模块是一种方法，但是我遇到了问题。

http://www.spm1d.org/doc/Stats1D/anova.html#two-way-nested-anova

对于任何嵌套的方法示例，永远不会打印任何F统计或p_values，也无法找到打印它们或将它们发送到变量的任何方法。

要经历运行其中一个示例的动作，其中B嵌套在A中，并带有Y个观察值：

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()

提供统计显着性的唯一指示是h0假设是否被拒绝。

> 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

实际上，这应该足够了。然而，在科学中，科学家们喜欢将某些东西视为或多或少，这实际上就是一种废话......意义是二元的。但这就是他们对此的看法，所以我必须发挥才能让作品发表。

示例代码生成一个matplotlib图，这个DOES上有f统计和p_values！

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

但我似乎无法获得打印它的任何输出。

FFi.get_p_values

和

FFi.get_f_values

产生输出：

<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

所以我不知道该怎么办。很明显，FFi.plot类可以访问p_values（使用plot_p_values）但是FFi.get_p_values不能!!任何人都可以伸出援手吗？

干杯，K

Answer 1

获取p值的最简单方法是使用你提到的get_p_values方法，你只需要通过添加()来调用方法。

p = FFi.get_p_values()
print(p)

这会产生：

([0.016584151119287904], [])

要查看2 + -way ANOVA中每个效果的更多详细信息，包括p值，请使用print以及各个F统计信息，如下所示：

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

第一个print语句将产生如下输出：

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)

您可以像这样检索群集的p值：

p = [F.p  for  F in FFi]

这与调用get_p_values的结果相同。

请注意，在这种情况下，FFi[1]没有p值，因为测试统计数据无法越过alpha定义的阈值（请参见上图中的“Main B”面板）。如果你需要在这种情况下报告p值，一个选项只是使用“p> alpha”。参数化可以得到更精确的p值，直到大约p = 0.5，但是使用参数方法得到的p值不是很准确，因此如果您需要p值，请考虑使用非参数版本：spm1d.stats.nonparam.anova2nested。