如何做一個F檢驗來比較Python中的嵌套線性模型？

Question

我想比較兩個嵌套線性模型，稱它們爲m01和m02，其中m01是簡化模型，m02是完整模型。我想做一個簡單的F-測試，看看這個完整的模型是否會在縮減的模型上增加顯着的效用。

這是非常簡單的在R.例如：

mtcars <- read.csv("https://raw.githubusercontent.com/focods/WonderfulML/master/data/mtcars.csv") 
m01 <- lm(mpg ~ am + wt, mtcars) 
m02 <- lm(mpg ~ am + am:wt, mtcars) 
anova(m01, m02) 

給我下面的輸出：

告訴我，加入上午：重量交互項顯著改進模型。有沒有辦法在Python/sklearn/statsmodels中做類似的事情？

編輯：我看着this question發佈此一前想不通他們怎麼都是一樣的。另一個問題是對兩個向量進行F檢驗。這個問題是關於比較2個嵌套線性模型。

我覺得這是我需要的：

http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.f_regression.html#sklearn.feature_selection.f_regression

但我不知道究竟通過這個功能。如果任何人可以提供或指出一個例子，那將是非常有用的。

Answer 1

適應傑里米的答案以下面的方式讓我得到我R中得到相同的結果：

import pandas as pd 
from statsmodels.formula.api import ols 
from statsmodels.stats.anova import anova_lm 

cars_df = pd.read_csv("https://raw.githubusercontent.com/focods/WonderfulML/master/data/mtcars.csv") 
m01 = ols('mpg ~ am + wt', data=cars_df).fit() 
m02 = ols('mpg ~ am + wt + am:wt', data=cars_df).fit() 
anovaResults = anova_lm(m01, m02) 
print(anovaResults) 

這給了我在我的jupyter筆記本下面的結果：

我也得到了這些非常奇怪的錯誤：

任何人都知道什麼是產生這些錯誤的線索？

Answer 2

我發現這個book有幫助（「一個與蟒蛇統計概論」 /托馬斯Haslwanter）

下面是相關的代碼示例：

import pandas as pd 
from statsmodels.formula.api import ols 
from statsmodels.stats.anova import anova_lm 

df = pd.DataFrame(data, columns=['value', 'treatment']) 
model = ols('value ~ C(treatment)', data=df).fit() 
anovaResults = anova_lm(model) 
print(anovaResults) 

看看上面的打印結果的書鏈接。

注意：anova_lm有時與參數'typ'一起使用，請嘗試使用不同的可能值來查看哪些適合您。