Statsmodels

简介

这是什么?

这是由ApacheCN翻译的Statsmodels的中文文档

Statsmodels是什么?

Statsmodels是一个Python包,为统计计算的scipy提供补充,包括描述性统计和统计模型的估计和推断。

英文文档

最新的稳定版文档位于

https://www.statsmodels.org/stable/

开发版文档位于

https://www.statsmodels.org/dev/

Recent improvements are highlighted in the release notes

https://www.statsmodels.org/stable/release/version0.9.html

有关文档的备份请访问-https://statsmodels.github.io/stable/ 和 https://statsmodels.github.io/dev/.

主要内容

  • 线性回归模型:
    • 普通最小二乘
    • 广义最小二乘法
    • 加权最小二乘法
    • 具有自回归误差的最小二乘法
    • 分位数回归
    • 递归最小二乘法
  • 具有混合效应和方差分量的混合线性模型
  • GLM:支持所有单参数指数族分布的广义线性模型
  • 用于二项式和泊松的贝叶斯混合GLM
  • GEE:单向聚类或纵向数据的广义估计方程
  • 离散模型:
    • Logit和Probit
    • 多项logit(MNLogit)
    • 泊松和广义Poisson回归
    • 负二项式回归
    • 零膨胀计数模型
  • RLM:强大的线性模型,支持多个M估计器。
  • 时间序列分析:时间序列分析模型
    • 完成StateSpace建模框架
      • 季节性ARIMA和ARIMAX模型
      • VARMA和VARMAX型号
      • 动态因子模型
      • 未观察到的组件模型
    • 马尔可夫切换模型(MSAR),也称为隐马尔可夫模型(HMM)
    • 单变量时间序列分析:AR,ARIMA
    • 矢量自回归模型,VAR和结构VAR
    • 矢量误差修正模型,VECM
    • 指数平滑,Holt-Winters
    • 时间序列的假设检验:单位根,协整等
    • 时间序列分析的描述性统计和过程模型
  • 生存分析:
    • 比例风险回归(Cox模型)
    • 幸存者函数估计(Kaplan-Meier)
    • 累积发生率函数估计
  • 多因素:
    • 缺少数据的主成分分析
    • 旋转因子分析
    • MANOVA
    • 典型相关
  • 非参数统计:单变量和多变量核密度估计
  • 数据集:用于示例和测试的数据集
  • 统计:广泛的统计测试
    • 诊断和规范测试
    • 拟合优度和正态性测试
    • 用于多个测试的功能
    • 各种额外的统计测试
  • MICE估算,秩序统计回归和高斯插补
  • 调解分析
  • 图形包括用于数据和模型结果的可视分析的绘图功能
  • I / O
    • 用于读取Stata .dta文件的工具,但是pandas具有更新版本
    • 表输出为ascii,latex和html
  • Miscellaneous models(各种各样的模型)
  • Sandbox:statsmodels包含一个沙箱文件夹,其中的代码处于开发和测试的各个阶段,不被视为“生产就绪”。这包括其中之一
    • 广义矩量法(GMM)估计量
    • 核回归
    • scipy.stats.distributions的各种扩展
    • 面板数据模型
    • 信息理论措施