python的统计计算和模型
statsmodels-dq的Python项目详细描述
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
- 完整的状态空间建模框架
- 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
许可证
修改的BSD(3条款)