应用“Tukey 诚实显着差异”时如何获得每个组比较的 p 值答案

【问题标题】：How can I get p values of each group comparison when applying the "Tukey’s Honestly Significant Difference"应用“Tukey 诚实显着差异”时如何获得每个组比较的 p 值
【发布时间】：2018-06-20 09:46:13
【问题描述】：

通过使用以下代码：

import statsmodels.stats.multicomp as multi
test = multi.MultiComparison(self.my_data[factor_var], self.my_data[grp_var])
res = test.tukeyhsd()
summary = res.summary()

我可以得到以下结果：

我需要的是每次比较的 p 值。我怎么才能得到它？我将不胜感激。

【问题讨论】：

能否提供数据？我试图让 Tukey 的 HSD 工作，甚至没有得到你的输出，更不用说 pvalues 了。我想试试@Am__r 的解决方案，但我没有你的数据
@joe5 使用此链接中的数据：jpktd.blogspot.com/2013/03/… 并确保您获得相同的结果。

标签： python-3.x statistics anova

【解决方案1】：

成功了。非常感谢您的帮助。

分享一下我的源码（受益于this site）

import numpy as np
from statsmodels.stats.multicomp import (pairwise_tukeyhsd, MultiComparison)
from statsmodels.stats.libqsturng import psturng

dta2 = np.rec.array([
(  1,   'mental',  2 ),
(  2,   'mental',  2 ),
(  3,   'mental',  3 ),
(  4,   'mental',  4 ),
(  5,   'mental',  4 ),
(  6,   'mental',  5 ),
(  7,   'mental',  3 ),
(  8,   'mental',  4 ),
(  9,   'mental',  4 ),
( 10,   'mental',  4 ),
( 11, 'physical',  4 ),
( 12, 'physical',  4 ),
( 13, 'physical',  3 ),
( 14, 'physical',  5 ),
( 15, 'physical',  4 ),
( 16, 'physical',  1 ),
( 17, 'physical',  1 ),
( 18, 'physical',  2 ),
( 19, 'physical',  3 ),
( 20, 'physical',  3 ),
( 21,  'medical',  1 ),
( 22,  'medical',  2 ),
( 23,  'medical',  2 ),
( 24,  'medical',  2 ),
( 25,  'medical',  3 ),
( 26,  'medical',  2 ),
( 27,  'medical',  3 ),
( 28,  'medical',  1 ),
( 29,  'medical',  3 ),
( 30,  'medical',  1 )], dtype=[('idx', '<i4'),
                                ('Treatment', '|S8'),
                                ('StressReduction', '<i4')])

print("Using the pairwise_tukeyhsd Method")
print("----------------------------------------------------------")
res2 = pairwise_tukeyhsd(dta2['StressReduction'], dta2['Treatment'])
print("summary:", res2.summary())
print("mean diffs:", res2.meandiffs)
print("std pairs:",res2.std_pairs)
print("groups unique: ", res2.groupsunique)
print("df total:", res2.df_total)
p_values = psturng(np.abs(res2.meandiffs / res2.std_pairs), len(res2.groupsunique), res2.df_total)
print()
print("p values:", p_values)

print()

print("Using the MultiComparison Method")
print("----------------------------------------------------------")
test = MultiComparison(dta2['StressReduction'], dta2['Treatment'])
tukey_res = test.tukeyhsd()
summary = tukey_res.summary()
print("summary:", summary)
print("mean diffs:", tukey_res.meandiffs)
print("std pairs:",tukey_res.std_pairs)
print("groups unique: ", tukey_res.groupsunique)
print("df total:", tukey_res.df_total)
p_values = psturng(np.abs(tukey_res.meandiffs / tukey_res.std_pairs), len(tukey_res.groupsunique), tukey_res.df_total)
print()
print("p values:", p_values)

【讨论】：

【解决方案2】：

可能重复： Click here for details

没有直接调用函数来获取pvalues：

psturng(np.abs(res.meandiffs / res.std_pairs), len(res.groupsunique), res.df_total)

其中 res 是 pairwise_tukeyhsd，psturng 是来自 statsmodels.stats.libqsturng 的函数

【讨论】：