statsmodels统计建模和计量经济学

联合创作 · 2023-09-29 10:27

statsmodels是一个包含统计模型、统计测试和统计数据挖掘python模块。对每一个模型都会生成一个对应的统计结果。统计结果会和现有的统计包进行对比来保证其正确性。

特点

  • 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成分的混合线性模型
  • GLM:支持所有一参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
    • 多项式logit(MNLogit)
    • 泊松和广义泊松回归
    • 负二项式回归
    • 零充气计数模型
  • RLM:鲁棒的线性模型,支持多个M估计量。
  • 时间序列分析:时间序列分析模型
    • 完整的StateSpace建模框架
      • 季节性ARIMA和ARIMAX模型
      • VARMA和VARMAX模型
      • 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
    • 向量自回归模型,VAR和结构VAR
    • 矢量纠错模型,VECM
    • 指数平滑,Holt-Winters
    • 时间序列的假设检验:单位根,协整和其他
    • 用于时间序列分析的描述性统计数据和过程模型
  • 生存分析:
    • 比例风险回归(Cox模型)
    • 幸存者功能估计(Kaplan-Meier)
    • 累积入射函数估计
  • 多变量:
    • 缺少数据的主成分分析
    • 旋转因素分析
    • MANOVA
    • 典型相关
  • 非参数统计量:单变量和多变量内核密度估计量
  • 数据集:用于示例和测试的数据集
  • 统计:广泛的统计测试
    • 诊断和规格测试
    • 拟合优度和正态性检验
    • 多重测试功能
    • 各种其他统计检验
  • 使用MICE进行插补,阶数统计量回归和高斯插补
  • 调解分析
  • 图形包括用于视觉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具有较新的版本
    • 表输出到ascii,latex和html
  • 杂项模型
  • Sandbox:statsmodels包含一个沙箱文件夹,其中包含处于开发和测试各个阶段的代码,因此不被视为“生产就绪”。其中包括
    • 广义矩估计(GMM)估计器
    • 内核回归
    • scipy.stats.distributions的各种扩展
    • 面板数据模型
    • 信息理论测度
浏览 16
点赞
评论
收藏
分享

手机扫一扫分享

编辑 分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

编辑 分享
举报