關于 StatsModels
statsmodels（http://www.statsmodels.org）是一個Python庫，用于擬合多種統計模型，執行統計測驗以及資料探索和可視化，
檔案
最新版本的檔案位于：
https://www.statsmodels.org/stable/
主要功能
- 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
- 遞回最小二乘法
- 具有混合效應和方差分量的混合線性模型
- glm：支持所有一個引數的廣義線性模型 指數族分布
- 二項和poisson的貝葉斯混合glm
- gee：單向聚類或縱向資料的廣義估計方程
- 離散模型：
- logit和probit
- 多項式logit（mnlogit）
- 泊松與廣義泊松回歸
- 負二項回歸
- 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），也稱為隱馬爾可夫模型（HMM）
- 單變數時間序列分析：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程序模型
- 生存分析：
- 比例危隙訓歸（cox模型）
- 幸存者函式估計（kaplan-meier）
- 累積關聯函式估計
- 多變數：
- 缺失資料的主成分分析
- 旋轉因子分析
- 曼諾瓦
- 典型相關
- 非引數統計：單變數和多變數核密度估計
- 資料集：用于示例和測驗的資料集
- 統計學：廣泛的統計測驗
- 診斷和規格測驗
- 擬合優度和正態性檢驗
- 多重測驗功能
- 各種附加統計測驗
- 小鼠插補，順序統計回歸和高斯插補
- 中介分析
- 圖形包括用于可視化分析資料和模型結果的繪圖功能
- 輸入/輸出
- 用于讀取stata.dta檔案的工具，但pandas有一個更新的版本
- 表輸出為ascii、latex和html
- 沙箱：statsmodels包含一個沙箱檔案夾，其中包含 未被視為“生產準備就緒”的開發和測驗，
- 廣義矩量法（gmm）估計量
- 核回歸
- scipy.stats.distributions的各種擴展
- 面板資料模型
- 資訊論測度
獲取和安裝
pip3 install --upgrade statsmodel -i https://pypi.tsinghua.edu.cn/simple
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/282691.html
標籤：Python
上一篇：串列的常用方法
下一篇：串列的常用方法