So führen Sie einen Levene-Test mit scipy

Question

Ich habe versucht, scipy.stats.levene ohne Erfolg zu verwenden.

Ich habe eine numpy Matrix mit Form (2128, 45100). Jede Zeile ist ein Beispiel und gehört zu einem von 3 Clustern.

Ich möchte testen, ob es homoscedasticity zwischen Clustern gibt.

Ich habe versucht Filterung meine Matrix durch Cluster und Senden der params wie so:

from scipy.stats import levene 

levene(matrixAudioData[np.ix_((cutTree == 0).ravel()),:][0], 
     matrixAudioData[np.ix_((cutTree == 1).ravel()),:][0], 
     matrixAudioData[np.ix_((cutTree == 2).ravel()),:][0]) 

ValueError: setting an array element with a sequence.

oder sogar

levene(matrixAudioData) 

ValueError: Must enter at least two input sample vectors.

Dies funktioniert:

levene([1,2,3],[2,3,4]) 

Aber was ist, wenn jede Probe nicht nur eine Zahl ist?

Bitte beachten Sie, dass jeder matrixAudioData[np.ix_((cutTree == 0).ravel()),:][0], den ich als Parameter verwende, Form (1048, 45100) hat, also sollte es in Ordnung sein.

Können Sie mir in irgendeine Richtung zeigen?

Danke!

Answer 1

Oh .. levene scheint univariate ... mein schlechter ...

Box-M-Test die Art und Weise, zu gehen, aber es scheint, dass es keine Implementierung in Python ist.

Answer 2

Basierend auf den Box's M Test formula, hier ist ein Python-Programm für eine M-Test auf zwei gleich großen Kovarianzmatrizen X0 und X1 Box leitend (dh jeden gleiche hat Nr. Von Zeilen und Spalten), gespeichert als numpy Arrays die np verwenden. Cov() -Funktion. Dies wurde anhand der SPSS-Ausgabe getestet.

Numpy ist eine Abhängigkeit, abgekürzt als np.

def box_m(X0,X1): 

     global Xp 

     m = 2 
     k = len(np.cov(X0)) 
     n_1 = len(X0[0]) 
     n_2 = len(X1[0]) 
     n = len(X0[0])+len(X1[0]) 

     Xp = (((n_1-1)*np.cov(X0)) + ((n_2-1)*np.cov(X1)))/(n-m) 

     M = ((n-m)*np.log(np.linalg.det(Xp))) \ 
     - (n_1-1)*(np.log(np.linalg.det(np.cov(X0)))) - (n_2-1)*(np.log(np.linalg.det(np.cov(X1)))) 

     c = ((2*(k**2) + (3*k) - 1)/((6*(k+1)*(m-1)))) \ 
      * ((1/(n_1-1)) + (1/(n_2-1)) - (1/(n-m))) 

     df = (k*(k+1)*(m-1))/2 

     c2 = (((k-1)*(k+2))/(6*(m-1))) \ 
      * ((1/((n_1-1)**2)) + (1/((n_2-1)**2)) - (1/((n-m)**2))) 

     df2 = (df+2)/(np.abs(c2-c**2)) 

     if (c2>c**2): 

      a_plus = df/(1-c-(df/df2)) 

      F = M/a_plus 

     else: 

      a_minus = df2/(1-c+(2/df2)) 

      F = (df2*M)/(df*(a_minus-M)) 

     print('M = {}'.format(M)) 
     print('c = {}'.format(c)) 
     print('c2 = {}'.format(c2)) 
     print('-------------------') 
     print('df = {}'.format(df)) 
     print('df2 = {}'.format(df2)) 
     print('-------------------') 
     print('F = {}'.format(F))