statsmodels-dq 3.0

关于StatsModels

statsmodels是一个python包，它为 统计计算，包括描述性统计和估计 统计模型的推理。

文档

最新版本的文档位于

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

开发版本的文档位于

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

最近的改进在发行说明中突出显示

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

文档备份可在https://statsmodels.github.io/stable/获得 以及https://statsmodels.github.io/dev/。

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
• 其他型号
• 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。这包括 其中
  • 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

如何获得它

github上的master分支是最新的代码

https://www.github.com/statsmodels/statsmodels

发布标签的源代码下载可在github上获得

https://github.com/statsmodels/statsmodels/tags

二进制文件和源发行版可从pypi获得

https://pypi.org/project/statsmodels/

二进制文件可以安装在anaconda中

Conda安装StatsModels

从源安装

有关要求，请参见install.txt或文档

https://statsmodels.github.io/dev/install.html

许可证

修改的BSD（3条款）

讨论与发展

讨论在我们的邮件列表上进行。

http://groups.google.com/group/pystatsmodels

我们对可用性的反馈和建议非常感兴趣 改进。

错误报告

错误报告可以提交给问题跟踪者，网址为

https://github.com/statsmodels/statsmodels/issues