La comprensión de la ANOVA de una vía y el tamaño del efecto en scipy

Question

Yo soy el cálculo de F y los valores de p mediante la scipy.estadísticas.f_oneway ANOVA función y estoy teniendo problemas en la interpretación del tamaño del efecto f-valores.

Me estoy poniendo números muy por encima de 100 en algunos casos, mientras que a partir de la lectura de todo parece que $\eta^2$ es una puntuación de 1 (la proporción de la varianza explicada por la variable). Así que si el tamaño del efecto de la estadística en scipy.stats.f_oneway no $\eta^2$, ¿qué es?

Answer 1

Anova de una vía con el tamaño de efecto :)

#!/usr/bin/env python
#-*- coding:utf-8 -*-


import numpy as np
import scipy.special as special

def FPvalue( *args):
    """ Return F an p value

    """
    df_btwn, df_within = __degree_of_freedom_( *args)

    mss_btwn = __ss_between_( *args) / float( df_btwn)   
    mss_within = __ss_within_( *args) / float( df_within)

    F = mss_btwn / mss_within    
    P = special.fdtrc( df_btwn, df_within, F)

    return( F, P)

def EffectSize( *args):
    """ Return the eta squared as the effect size for ANOVA

    """    
    return( float( __ss_between_( *args) / __ss_total_( *args)))

def __concentrate_( *args):
    """ Concentrate input list-like arrays

    """
    v = list( map( np.asarray, args))
    vec = np.hstack( np.concatenate( v))
    return( vec)

def __ss_total_( *args):
    """ Return total of sum of square

    """
    vec = __concentrate_( *args)
    ss_total = sum( (vec - np.mean( vec)) **2)
    return( ss_total)

def __ss_between_( *args):
    """ Return between-subject sum of squares

    """    
    # grand mean
    grand_mean = np.mean( __concentrate_( *args))

    ss_btwn = 0
    for a in args:
        ss_btwn += ( len(a) * ( np.mean( a) - grand_mean) **2)

    return( ss_btwn)

def __ss_within_( *args):
    """Return within-subject sum of squares

    """
    return( __ss_total_( *args) - __ss_between_( *args))

def __degree_of_freedom_( *args):
    """Return degree of freedom

       Output-
              Between-subject dof, within-subject dof
    """   
    args = list( map( np.asarray, args))
    # number of groups minus 1
    df_btwn = len( args) - 1

    # total number of samples minus number of groups
    df_within = len( __concentrate_( *args)) - df_btwn - 1

    return( df_btwn, df_within)

if __name__ = "__main__":
    print( 'Sorry, you can not use it in this way.')