如何使用降低最大似然法在 Python 中执行变异成分分析 (VCA)？（类似于 R VCA 和 JMP 方差分量）

Question

我有以下 Python 代码，我已经尝试使用 REML 执行 VCA 分析：

\n

import pandas as pd\nimport statsmodels.api as sm\nfrom statsmodels.formula.api import ols\ndata = {\'Part\':[1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3],\n        \'Employee\':[1,1,1,2,2,2,3,3,3,1,1,1,2,2,2,3,3,3,1,1,1,2,2,2,3,3,3],\n        \'Measurement\':[103.3, 103.1, 103.1, 103.3, 102.9, 103.6, 103.2, 103.6, 103.1, 104.5, 104.8, 103.9, 104.5, 104, 103.8, 103.8, 103.6, 104, 104, 103.6, 103.5, 103.9, 104.1, 104.5, 104.3, 103.9, 103.8]} \ndf = pd.DataFrame(data)\nlm = ols(\'Measurement ~ C(Part) + C(Part):(Employee)\', data=df).fit()\ntable = sm.stats.anova_lm(lm, typ=2)\ntable[\'Percentage of Total Variance\'] = (table[\'sum_sq\'] / table[\'sum_sq\'].sum()) * 100\n

\n

然后生成以下结果：\n

\n

当我通过运行以下步骤在 JMP 中运行此 An\xc3\xa1lises 时：

\n

\n
1. 粘贴表格
\n
2. 选择分析 > 质量和过程 > 变异性/属性量规图
\n
3. 将零件和员工设置为“X，分组”变量，将测量设置为“Y，响应”
\n
4. 将分析设置选项设置为“使用 REML 分析”
\n
5. 运行分析并生成嵌套方差分量\n结果如下:\n
\n

\n

在 R 中可以通过以下代码实现相同的结果：

\n

library(\'VCA\')\nlibrary(\'dplyr\')\ndf <- read.csv(\'simpler.csv\', sep=\';\')\ndf$Part <- as.factor(df$Part)\ndf$Employee <- as.factor(df$Employee)\nfitREML <- remlVCA(form=Measurement~Part+Part/Employee, Data = df)\n

\n

\n

但是我无法在 Python 中得到相同的结果。有没有一种方法可以在Python中完成而不使用rpy2？

\n

细节 1：我正在处理的数据需要 REML 分析。
\n细节2：需要根据R和Python公式进行嵌套分析。
\n细节 3：我已经尝试使用 statsmodels 中的混合模型，但组语法不清楚。

\n