Python數學建模庫StatsModels統計回歸簡介初識

Posted on by

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：