Python数模笔记-StatsModels 统计回归(1)简介
1、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。
2、文档
最新版本的文档位于:
https://www.statsmodels.org/stable/
欢迎关注 Youcans 原创系列,每周更新数模笔记
Python数模笔记-PuLP库
Python数模笔记-StatsModels统计回归
Python数模笔记-Sklearn
Python数模笔记-NetworkX
Python数模笔记-模拟退火算法
3、主要功能
- 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
- 具有混合效应和方差分量的混合线性模型
- glm:支持所有一个参数的广义线性模型 指数族分布
- 二项和poisson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
- 多项式logit(mnlogit)
- 泊松与广义泊松回归
- 负二项回归
- 零膨胀计数模型
- rlm:支持多个m估计的鲁棒线性模型。
- 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
- 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
- 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
- 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
- 小鼠插补,顺序统计回归和高斯插补
- 中介分析
- 图形包括用于可视化分析数据和模型结果的绘图功能
- 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
- 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
4、获取和安装
pip3 install --upgrade statsmodel -i https://pypi.tsinghua.edu.cn/simple
版权说明:
YouCans 原创作品
Copyright 2021 YouCans, XUPT
Crated:2021-05-05
欢迎关注 Youcans 原创系列,每周更新数模笔记
Python数模笔记-PuLP库(1)线性规划入门
Python数模笔记-PuLP库(2)线性规划进阶
Python数模笔记-PuLP库(3)线性规划实例
Python数模笔记-Scipy库(1)线性规划问题
Python数模笔记-StatsModels 统计回归(1)简介
Python数模笔记-StatsModels 统计回归(2)线性回归
Python数模笔记-StatsModels 统计回归(3)模型数据的准备
Python数模笔记-StatsModels 统计回归(4)可视化
Python数模笔记-Sklearn (1)介绍
Python数模笔记-Sklearn (2)聚类分析
Python数模笔记-Sklearn (3)主成分分析
Python数模笔记-Sklearn (4)线性回归
Python数模笔记-Sklearn (5)支持向量机
Python数模笔记-NetworkX(1)图的操作
Python数模笔记-NetworkX(2)最短路径
Python数模笔记-NetworkX(3)条件最短路径
Python数模笔记-模拟退火算法(1)多变量函数优化
Python数模笔记-模拟退火算法(2)约束条件的处理
Python数模笔记-模拟退火算法(3)整数规划问题
Python数模笔记-模拟退火算法(4)旅行商问题