关于 StatsModels

statsmodels(http://www.statsmodels.org)是一个Python库,用于拟合多种统计模型,执行统计测试以及数据探索和可视化。


文档

最新版本的文档位于:
https://www.statsmodels.org/stable/


主要功能

  1. 线性回归模型:
    • 普通最小二乘法
    • 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
  2. 具有混合效应和方差分量的混合线性模型
  3. glm:支持所有一个参数的广义线性模型 指数族分布
  4. 二项和poisson的贝叶斯混合glm
  5. gee:单向聚类或纵向数据的广义估计方程
  6. 离散模型:
    • logit和probit
    • 多项式logit(mnlogit)
    • 泊松与广义泊松回归
    • 负二项回归
    • 零膨胀计数模型
  7. rlm:支持多个m估计的鲁棒线性模型。
  8. 时间序列分析:时间序列分析模型
    • 完整的状态空间建模框架
    • 季节性arima和arimax模型
    • Varma和Varmax型号
    • 动态因素模型
    • 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
    • 向量自回归模型、var和结构var
    • 矢量误差修正模型,vecm
    • 指数平滑,霍尔特温特斯
    • 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
  9. 生存分析:
    • 比例危险回归(cox模型)
    • 幸存者函数估计(kaplan-meier)
    • 累积关联函数估计
  10. 多变量:
    • 缺失数据的主成分分析
    • 旋转因子分析
    • 曼诺瓦
    • 典型相关
  11. 非参数统计:单变量和多变量核密度估计
  12. 数据集:用于示例和测试的数据集
  13. 统计学:广泛的统计测试
    • 诊断和规格测试
    • 拟合优度和正态性检验
    • 多重测试功能
    • 各种附加统计测试
  14. 小鼠插补,顺序统计回归和高斯插补
  15. 中介分析
  16. 图形包括用于可视化分析数据和模型结果的绘图功能
  17. 输入/输出
    • 用于读取stata.dta文件的工具,但pandas有一个更新的版本
    • 表输出为ascii、latex和html
  18. 沙箱:statsmodels包含一个沙箱文件夹,其中包含 未被视为“生产准备就绪”的开发和测试。
    • 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
    • 信息论测度

获取和安装

pip3 install --upgrade statsmodel -i https://pypi.tsinghua.edu.cn/simple

内容来源于网络如有侵权请私信删除