Python數學建模庫StatsModels統計回歸簡介初識
1、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。
2、文檔
最新版本的文檔位於:
https://www.statsmodels.org/stable/
3、主要功能
1.線性回歸模型:
- 普通最小二乘法
- 廣義最小二乘法
- 加權最小二乘法
- 具有自回歸誤差的最小二乘法
- 分位數回歸
- 遞歸最小二乘法
2.具有混合效應和方差分量的混合線性模型
3.glm:支持所有一個參數的廣義線性模型 指數族分佈
4.二項和poisson的貝葉斯混合glm
5.gee:單向聚類或縱向數據的廣義估計方程
6.離散模型:
- logit和probit
- 多項式logit(mnlogit)
- 泊松與廣義泊松回歸
- 負二項回歸
- 零膨脹計數模型
7. rlm:支持多個m估計的魯棒線性模型。
8.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),也稱為隱馬爾可夫模型(HMM)
- 單變量時間序列分析:ar,arima
- 向量自回歸模型、var和結構var
- 矢量誤差修正模型,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
9.生存分析:
比例危險回歸(cox模型)
幸存者函數估計(kaplan-meier)
累積關聯函數估計
10.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
11.非參數統計:單變量和多變量核密度估計
12.數據集:用於示例和測試的數據集
13.統計學:廣泛的統計測試
- 診斷和規格測試
- 擬合優度和正態性檢驗
- 多重測試功能
- 各種附加統計測試
14.小鼠插補,順序統計回歸和高斯插補
15.中介分析
16.圖形包括用於可視化分析數據和模型結果的繪圖功能
17.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
- 表輸出為ascii、latex和html
18.沙箱:statsmodels包含一個沙箱文件夾,其中包含 未被視為“生產準備就緒”的開發和測試。
- 廣義矩量法(gmm)估計量
- 核回歸
- scipy.stats.distributions的各種擴展
- 面板數據模型
- 信息論測度
4、獲取和安裝
pip3 install –upgrade statsmodel -i https://pypi.tsinghua.edu.cn/simple
以上就是Python數學建模庫StatsModels統計回歸簡介初識的詳細內容,更多關於數學建模庫StatsModels統計回歸的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- python中pip安裝庫時出現Read timed out解決辦法
- Python包管理工具pip的15 個使用小技巧
- python statsmodel的使用
- Python自動安裝第三方庫的小技巧(pip使用詳解)
- win10+anaconda安裝yolov5的方法及問題解決方案