如何使用 scipy 执行 Levene 测试

Question

我一直在尝试使用scipy.stats.levene没有成功。

我有一个形状为 (2128, 45100) 的 numpy 矩阵。每行是一个样本，属于 3 个集群之一。

我想测试集群之间是否存在同方差性。

我试过按集群过滤我的矩阵并发送如下参数：

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：使用序列设置数组元素。

甚至

levene(matrixAudioData)

ValueError：必须输入至少两个输入样本向量。

这有效：

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

但是如果每个样本不只是一个数字呢？

请注意，matrixAudioData[np.ix_((cutTree == 0).ravel()),:][0]我用作参数的每个都有形状 (1048, 45100) 所以应该没问题。

你们能指出我的任何方向吗？

谢谢 ！

Answer 1

基于Box's M Test 公式，以下是一个 Python 程序，用于对两个大小相等的协方差矩阵 X0 和 X1（即每个矩阵具有相同的行数和列数）进行 Box's M Test，使用 np.cov 存储为 numpy 数组（） 功能。这已经针对 SPSS 输出进行了测试。

Numpy 是一个依赖项，缩写为 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))