为什么R和statsmodels给出的方差分析结果略有不同？

使用一个小的R样本数据集和来自的ANOVA示例，其中一个变量的自由度报告不同，F值结果也略有不同。也许他们的默认方法略有不同？我可以设置statsmodels以使用R的默认值吗

import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols


##R code on R sample dataset

#> anova(with(ChickWeight, lm(weight ~ Time + Diet)))
#Analysis of Variance Table
#
#Response: weight
#           Df  Sum Sq Mean Sq  F value    Pr(>F)
#Time        1 2042344 2042344 1576.460 < 2.2e-16 ***
#Diet        3  129876   43292   33.417 < 2.2e-16 ***
#Residuals 573  742336    1296
#write.csv(file='ChickWeight.csv', x=ChickWeight, row.names=F)

cw = pd.read_csv('ChickWeight.csv')
cw_lm=ols('weight ~ Time + Diet', data=cw).fit()   

print(sm.stats.anova_lm(cw_lm, typ=2))
#                  sum_sq   df            F         PR(>F)
#Time      2024187.608511    1  1523.368567  9.008821e-164
#Diet       108176.538530    1    81.411791   2.730843e-18
#Residual   764035.638024  575          NaN            NaN

将熊猫作为pd导入
将statsmodels.api作为sm导入
从statsmodels.formula.api导入ols
##R样本数据集上的R代码
#>方差分析（含鸡重、lm（体重~时间+饮食）））
#方差表分析
#
#回答：体重
#Df和Sq平均Sq F值Pr（>F）
#时间1 2042344 2042344 1576.460<2.2e-16***
#饮食3 129876 43292 33.417<2.2e-16***
#残差5737423361296
#write.csv（file='ChickWeight.csv'，x=ChickWeight，row.names=F）
cw=pd.read\u csv（'ChickWeight.csv'））
cw_lm=ols（'weight~Time+Diet'，data=cw）.fit（）
打印（sm.stats.anova_lm（cw_lm，典型值=2））
#总面积（平方英尺）
#时间2024187.608511 1523.368567 9.008821e-164
#饮食108176.538530 1 81.411791 2.730843e-18
#剩余764035.638024 575楠楠楠

数据集的头和尾是相同的*，还有平均值、最小值、最大值、体重和时间的中位数。

看起来“饮食”在statsmodels调用中只有一个自由度，这意味着它可能被视为一个连续变量，而在R中它有3个自由度，因此它可能是一个因子/离散随机变量

要使ols（）将“饮食”视为一个分类随机变量，请使用

cw_lm=ols('weight ~ C(Diet) + Time', data=cw).fit()

---

本例使用了哪些版本的statsmodels和pandas？我从pandas 0.18.0的anova_lm函数中得到一个错误，statsmodels 0.6.1刚刚检查了我当前的系统；pandas 0.17.1，statsmodels 0.6.1，必须重新安装patsy，但一切正常。谢谢检查。我意识到我遇到了问题，因为我的设计矩阵缺少值。