1,、關(guān)于 StatsModels

statsmodels（http://www.）是一個(gè)Python庫，用于擬合多種統(tǒng)計(jì)模型,，執(zhí)行統(tǒng)計(jì)測(cè)試以及數(shù)據(jù)探索和可視化。

2,、文檔

最新版本的文檔位于：
https://www./stable/

歡迎關(guān)注 Youcans 原創(chuàng)系列,，每周更新數(shù)模筆記

Python數(shù)模筆記-PuLP庫
Python數(shù)模筆記-StatsModels統(tǒng)計(jì)回歸
Python數(shù)模筆記-Sklearn
Python數(shù)模筆記-NetworkX
Python數(shù)模筆記-模擬退火算法

3,、主要功能

1. 線性回歸模型：

• 普通最小二乘法

• 廣義最小二乘法

• 加權(quán)最小二乘法

• 具有自回歸誤差的最小二乘法

• 分位數(shù)回歸

• 遞歸最小二乘法

2. 具有混合效應(yīng)和方差分量的混合線性模型

3. glm：支持所有一個(gè)參數(shù)的廣義線性模型 指數(shù)族分布

4. 二項(xiàng)和poisson的貝葉斯混合glm

5. gee：單向聚類或縱向數(shù)據(jù)的廣義估計(jì)方程

6. 離散模型：

• logit和probit

• 多項(xiàng)式logit（mnlogit）

• 泊松與廣義泊松回歸

• 負(fù)二項(xiàng)回歸

• 零膨脹計(jì)數(shù)模型

7. rlm：支持多個(gè)m估計(jì)的魯棒線性模型,。

8. 時(shí)間序列分析：時(shí)間序列分析模型

• 完整的狀態(tài)空間建?？蚣?/p>

• 季節(jié)性arima和arimax模型

• Varma和Varmax型號(hào)

• 動(dòng)態(tài)因素模型

• 未觀察到的組件模型

• 馬爾可夫切換模型（MSAR）,，也稱為隱馬爾可夫模型（HMM）

• 單變量時(shí)間序列分析：ar，arima

• 向量自回歸模型,、var和結(jié)構(gòu)var

• 矢量誤差修正模型,，vecm

• 指數(shù)平滑，霍爾特溫特斯

• 時(shí)間序列的假設(shè)檢驗(yàn)：單位根,、協(xié)整等

• 時(shí)間序列分析的描述性統(tǒng)計(jì)和過程模型

9. 生存分析：

• 比例危險(xiǎn)回歸（cox模型）

• 幸存者函數(shù)估計(jì)（kaplan-meier）

• 累積關(guān)聯(lián)函數(shù)估計(jì)

10. 多變量：

• 缺失數(shù)據(jù)的主成分分析

• 旋轉(zhuǎn)因子分析

• 曼諾瓦

• 典型相關(guān)

11. 非參數(shù)統(tǒng)計(jì)：單變量和多變量核密度估計(jì)

12. 數(shù)據(jù)集：用于示例和測(cè)試的數(shù)據(jù)集

13. 統(tǒng)計(jì)學(xué)：廣泛的統(tǒng)計(jì)測(cè)試

• 診斷和規(guī)格測(cè)試

• 擬合優(yōu)度和正態(tài)性檢驗(yàn)

• 多重測(cè)試功能

• 各種附加統(tǒng)計(jì)測(cè)試

14. 小鼠插補(bǔ),，順序統(tǒng)計(jì)回歸和高斯插補(bǔ)

15. 中介分析

16. 圖形包括用于可視化分析數(shù)據(jù)和模型結(jié)果的繪圖功能

17. 輸入/輸出

• 用于讀取stata.dta文件的工具，但pandas有一個(gè)更新的版本

• 表輸出為ascii,、latex和html

18. 沙箱：statsmodels包含一個(gè)沙箱文件夾,，其中包含 未被視為“生產(chǎn)準(zhǔn)備就緒”的開發(fā)和測(cè)試,。

• 廣義矩量法（gmm）估計(jì)量

• 核回歸

• scipy.stats.distributions的各種擴(kuò)展

• 面板數(shù)據(jù)模型

• 信息論測(cè)度

4、獲取和安裝

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