import statsmodels.stats.contingency_tables as tb # 卡方检验，不同家庭收入级别在轿车拥有率上是否有区别
table = tb.Table(pd.crosstab(ccss.Ts9, ccss.O1))
table
<statsmodels.stats.contingency_tables.Table at 0x1df819bc5c0>
table.table_orig
| O1 |
有 |
没有 |
| Ts9 |
|
|
| Below 48,000 |
32 |
303 |
| Over 48,000 |
225 |
429 |
table.fittedvalues
| O1 |
有 |
没有 |
| Ts9 |
|
|
| Below 48,000 |
87.052578 |
247.947422 |
| Over 48,000 |
169.947422 |
484.052578 |
table.resid_pearson
| O1 |
有 |
没有 |
| Ts9 |
|
|
| Below 48,000 |
-5.900473 |
3.496213 |
| Over 48,000 |
4.222993 |
-2.502254 |
table.chi2_contribs
| O1 |
有 |
没有 |
| Ts9 |
|
|
| Below 48,000 |
34.815584 |
12.223504 |
| Over 48,000 |
17.833671 |
6.261275 |
table.marginal_probabilities
(Ts9
Below 48,000 0.338726
Over 48,000 0.661274
dtype: float64, O1
有 0.259858
没有 0.740142
dtype: float64)
res = table.test_nominal_association()
res.statistic # 卡方统计量
71.13403472094657
res.df # *度
1
res.pvalue # p值
0.0
# 不同城市的轿车拥有比率是否相同
table2 = tb.Table(pd.crosstab(ccss.s0, ccss.O1))
table2.table_orig
| O1 |
有 |
没有 |
| s0 |
|
|
| 上海 |
87 |
300 |
| 北京 |
118 |
258 |
| 广州 |
107 |
274 |
res2 = table2.test_nominal_association()
print(res2.statistic, res2.df, res2.pvalue) # 拒绝了原假设不同城市轿车拥有比率无差异的情况
7.80961277431242 2 0.02014485441628988
table2.local_oddsratios
| O1 |
有 |
没有 |
| s0 |
|
|
| 上海 |
0.634068 |
NaN |
| 北京 |
1.171195 |
NaN |
| 广州 |
NaN |
NaN |
table2.cumulative_oddsratios
| O1 |
有 |
没有 |
| s0 |
|
|
| 上海 |
0.685689 |
NaN |
| 北京 |
0.940776 |
NaN |
| 广州 |
NaN |
NaN |
# 配对卡方检验
import statsmodels.stats.contingency_tables as tbl
table3 = tbl.mcnemar(pd.DataFrame([[56, 35], [21, 28]]))
table3.pvalue
0.08142681460950622
tbl.SquareTable(pd.DataFrame([[5, 35], [21, 2]])).summary()
| |
Statistic |
P-value |
DF |
| Symmetry |
3.500 |
0.061 |
1 |
| Homogeneity |
3.500 |
0.061 |
1 |
# 分层卡方检验
rawtb = pd.crosstab([ccss.s0, ccss.Ts9], ccss.O1)
rawtb
| |
O1 |
有 |
没有 |
| s0 |
Ts9 |
|
|
| 上海 |
Below 48,000 |
4 |
103 |
| Over 48,000 |
70 |
160 |
| 北京 |
Below 48,000 |
9 |
93 |
| Over 48,000 |
83 |
134 |
| 广州 |
Below 48,000 |
19 |
107 |
| Over 48,000 |
72 |
135 |
pd.crosstab([ccss.s0, ccss.Ts9], ccss.O1, normalize=0)
| |
O1 |
有 |
没有 |
| s0 |
Ts9 |
|
|
| 上海 |
Below 48,000 |
0.037383 |
0.962617 |
| Over 48,000 |
0.304348 |
0.695652 |
| 北京 |
Below 48,000 |
0.088235 |
0.911765 |
| Over 48,000 |
0.382488 |
0.617512 |
| 广州 |
Below 48,000 |
0.150794 |
0.849206 |
| Over 48,000 |
0.347826 |
0.652174 |
table4 = tbl.StratifiedTable([rawtb[:2],
rawtb[2:4],
rawtb[4:]]
)
table4.summary() # Test constant OR先查看层和层之间的关联强度是否是不变的，如果不同，不能进行合并，这边显然p值拒绝了关联强度相同的结论，如果关联结论相同则再看Test of OR行列变量有无关联
| |
Estimate |
LCB |
UCB |
| Pooled odds |
0.195 |
0.130 |
0.292 |
| Pooled log odds |
-1.636 |
-2.040 |
-1.232 |
| Pooled risk ratio |
0.272 |
|
|
| |
|
|
|
| |
Statistic |
P-value |
|
| Test of OR=1 |
72.178 |
0.000 |
|
| Test constant OR |
6.165 |
0.046 |
|
| |
|
|
|
| Number of tables |
3 |
|
|
| Min n |
319 |
|
|
| Max n |
337 |
|
|
| Avg n |
330 |
|
|
| Total n |
989 |
|
|
