statsmodels

Über Statistikmodelle

statsmodels ist ein Python-Paket, das eine Ergänzung zu scipy für statistische Berechnungen einschließlich deskriptiver Statistiken sowie Schätzungen und Schlussfolgerungen für statistische Modelle bietet.

Dokumentation

Die Dokumentation für die neueste Version finden Sie unter

https://www.statsmodels.org/stable/

Die Dokumentation für die Entwicklungsversion finden Sie unter

https://www.statsmodels.org/dev/

Aktuelle Verbesserungen werden in den Versionshinweisen hervorgehoben

https://www.statsmodels.org/stable/release/

Backups der Dokumentation sind unter https://statsmodels.github.io/stable/ und https://statsmodels.github.io/dev/ verfügbar.

Hauptmerkmale

• Lineare Regressionsmodelle:
  • Gewöhnliche kleinste Quadrate
  • Verallgemeinerte kleinste Quadrate
  • Gewichtete kleinste Quadrate
  • Kleinste Quadrate mit autoregressiven Fehlern
  • Quantilregression
  • Rekursive kleinste Quadrate
• Gemischtes lineares Modell mit gemischten Effekten und Varianzkomponenten
• GLM: Verallgemeinerte lineare Modelle mit Unterstützung für alle exponentiellen Familienverteilungen mit einem Parameter
• Bayesianisches gemischtes GLM für Binomial und Poisson
• GEE: Verallgemeinerte Schätzgleichungen für einseitig geclusterte oder longitudinale Daten
• Diskrete Modelle:
  • Logit und Probit
  • Multinomialer Logit (MNLogit)
  • Poisson- und generalisierte Poisson-Regression
  • Negative binomiale Regression
  • Zero-Inflated-Count-Modelle
• RLM: Robuste lineare Modelle mit Unterstützung für mehrere M-Schätzer.
• Zeitreihenanalyse: Modelle für die Zeitreihenanalyse
  • Vollständiges StateSpace-Modellierungsframework
    • Saisonale ARIMA- und ARIMAX-Modelle
    • VARMA- und VARMAX-Modelle
    • Dynamische Faktormodelle
    • Unbeobachtete Komponentenmodelle
  • Markov-Switching-Modelle (MSAR), auch bekannt als Hidden Markov Models (HMM)
  • Univariate Zeitreihenanalyse: AR, ARIMA
  • Vektorautoregressive Modelle, VAR und strukturelle VAR
  • Vektorfehlerkorrekturmodell, VECM
  • exponentielle Glättung, Holt-Winters
  • Hypothesentests für Zeitreihen: Einheitswurzel, Kointegration und andere
  • Deskriptive Statistik und Prozessmodelle für die Zeitreihenanalyse
• Überlebensanalyse:
  • Proportionale Hazards-Regression (Cox-Modelle)
  • Schätzung der Überlebensfunktion (Kaplan-Meier)
  • Schätzung der kumulativen Inzidenzfunktion
• Multivariat:
  • Hauptkomponentenanalyse mit fehlenden Daten
  • Faktorenanalyse mit Rotation
  • MANOVA
  • Kanonische Korrelation
• Nichtparametrische Statistik: Univariate und multivariate Kerndichteschätzer
• Datensätze: Datensätze, die für Beispiele und Tests verwendet werden
• Statistik: eine breite Palette statistischer Tests
  • Diagnose- und Spezifikationstests
  • Anpassungs- und Normalitätstests
  • Funktionen für mehrere Tests
  • verschiedene zusätzliche statistische Tests
• Imputation mit MICE, Regression auf Ordnungsstatistik und Gaußsche Imputation
• Mediationsanalyse
• Die Grafik umfasst Plotfunktionen zur visuellen Analyse von Daten und Modellergebnissen
• E/A
  • Tools zum Lesen von Stata-.dta-Dateien, aber Pandas hat eine neuere Version
  • Tabellenausgabe in ASCII, Latex und HTML
• Verschiedene Modelle
• Sandbox: statsmodels enthält einen Sandbox-Ordner mit Code in verschiedenen Entwicklungs- und Teststadien, der nicht als „produktionsbereit“ gilt. Dies umfasst unter anderem
  • Schätzer nach der verallgemeinerten Methode der Momente (GMM).
  • Kernel-Regression
  • Verschiedene Erweiterungen für scipy.stats.distributions
  • Panel-Datenmodelle
  • Informationstheoretische Maßnahmen

Wie man es bekommt

Der Hauptzweig auf GitHub ist der aktuellste Code

https://www.github.com/statsmodels/statsmodels

Der Quelldownload der Release-Tags ist auf GitHub verfügbar

https://github.com/statsmodels/statsmodels/tags

Binärdateien und Quelldistributionen sind bei PyPi erhältlich

https://pypi.org/project/statsmodels/

Binärdateien können in Anaconda installiert werden

Conda installiert Statistikmodelle

Holen Sie sich den neuesten Code

Installieren des neuesten Nachtrads

Das neueste Nightly Wheel kann mit pip installiert werden.

python -m pip install -i https://pypi.anaconda.org/scientific-python-nightly-wheels/simple statsmodels --upgrade --use-deprecated=legacy-resolver

Installation aus Quellen

Die Anforderungen finden Sie in INSTALL.txt oder in der Dokumentation

https://statsmodels.github.io/dev/install.html

Mitwirken

Beiträge in jeglicher Form sind willkommen, einschließlich:

• Verbesserungen der Dokumentation
• Zusätzliche Tests
• Neue Funktionen für bestehende Modelle
• Neue Modelle

https://www.statsmodels.org/stable/dev/test_notes

Anweisungen zum Installieren von Statistikmodellen im bearbeitbaren Modus.

Lizenz

Modifiziertes BSD (3-Klausel)

Diskussion und Entwicklung

Diskussionen finden auf der Mailingliste statt

https://groups.google.com/group/pystatsmodels

und im Issue-Tracker. Wir sind sehr an Rückmeldungen zur Benutzerfreundlichkeit und Verbesserungsvorschlägen interessiert.

Fehlerberichte

Fehlerberichte können an den Issue-Tracker unter gesendet werden

https://github.com/statsmodels/statsmodels/issues