忽略Python statsmodels中的NaNs

Question

在statsmodels中有没有一种忽略NaNs的通用方法？在

我正在使用statsmodels的AnovaRM函数对各种数据集运行重复的度量值anova。不同行的不同列中缺少值。当运行AnovaRM时，它显然会为F和p值返回nan。在

我试过了

aovrm = AnovaRM(df3, 'RT', 'id', within=['iv'], missing = 'drop')

正如Ignoring missing values in multiple OLS regression with statsmodels中所建议的，但是这似乎对AnovaRM不起作用。在

到目前为止，我只是简单地排除了缺少数据点的主题，但这是a）确实不是重点，b）对于许多数据集来说根本不可行。在

Answer 1

从AnovaRM docstring

“此实现目前只支持完全平衡的设计。”

https://github.com/statsmodels/statsmodels/blob/master/statsmodels/stats/anova.py#L413 （AnvaRM尚未添加到联机文档中。）

因此，模型的一般缺失选项不适用于AnovaRM。这主要是因为重复测量方差分析背后的限制性假设。在

作为替代方案，文献中的一般建议是使用混合效应模型，这在statmodels的MixedLM中可用。 其他的选择是使用GEE或OLS的固定效果。在