Python數模筆記-StatsModels 統計迴歸（1）簡介

時間 2021-07-23

標籤 html git 算法框架函數工具測試優化 htm blog 欄目 Python 简体版

原文原文鏈接

一、關於 StatsModels

statsmodels（http://www.statsmodels.org）是一個Python庫，用於擬合多種統計模型，執行統計測試以及數據探索和可視化。html

二、文檔

最新版本的文檔位於：
https://www.statsmodels.org/stable/git

歡迎關注 Youcans 原創系列，每週更新數模筆記算法

Python數模筆記-PuLP庫
 Python數模筆記-StatsModels統計迴歸
 Python數模筆記-Sklearn
Python數模筆記-NetworkX
Python數模筆記-模擬退火算法框架

三、主要功能

線性迴歸模型：
- 普通最小二乘法
- 廣義最小二乘法
- 加權最小二乘法
- 具備自迴歸偏差的最小二乘法
- 分位數迴歸
- 遞歸最小二乘法
具備混合效應和方差份量的混合線性模型
glm：支持全部一個參數的廣義線性模型指數族分佈
二項和poisson的貝葉斯混合glm
gee：單向聚類或縱向數據的廣義估計方程
離散模型：
- logit和probit
- 多項式logit（mnlogit）
- 泊松與廣義泊松迴歸
- 負二項迴歸
- 零膨脹計數模型
rlm：支持多個m估計的魯棒線性模型。
時間序列分析：時間序列分析模型
- 完整的狀態空間建模框架
- 季節性arima和arimax模型
- Varma和Varmax型號
- 動態因素模型
- 未觀察到的組件模型
- 馬爾可夫切換模型（MSAR），也稱爲隱馬爾可夫模型（HMM）
- 單變量時間序列分析：ar，arima
- 向量自迴歸模型、var和結構var
- 矢量偏差修正模型，vecm
- 指數平滑，霍爾特溫特斯
- 時間序列的假設檢驗：單位根、協整等
- 時間序列分析的描述性統計和過程模型
生存分析：
- 比例危險迴歸（cox模型）
- 倖存者函數估計（kaplan-meier）
- 累積關聯函數估計
多變量：
- 缺失數據的主成分分析
- 旋轉因子分析
- 曼諾瓦
- 典型相關
非參數統計：單變量和多變量核密度估計
數據集：用於示例和測試的數據集
統計學：普遍的統計測試
- 診斷和規格測試
- 擬合優度和正態性檢驗
- 多重測試功能
- 各類附加統計測試
小鼠插補，順序統計迴歸和高斯插補
中介分析
圖形包括用於可視化分析數據和模型結果的繪圖功能
輸入/輸出
- 用於讀取stata.dta文件的工具，但pandas有一個更新的版本
- 表輸出爲ascii、latex和html
沙箱：statsmodels包含一個沙箱文件夾，其中包含未被視爲「生產準備就緒」的開發和測試。
- 廣義矩量法（gmm）估計量
- 核迴歸
- scipy.stats.distributions的各類擴展
- 面板數據模型
- 信息論測度