statsmodels

О статистических моделях

statsmodels — это пакет Python, который дополняет scipy для статистических вычислений, включая описательную статистику, а также оценку и вывод для статистических моделей.

Документация

Документация для последней версии находится по адресу

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

Документация для разрабатываемой версии находится по адресу

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

Последние улучшения описаны в примечаниях к выпуску.

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

Резервные копии документации доступны по адресу https://statsmodels.github.io/stable/ и https://statsmodels.github.io/dev/.

Основные характеристики

• Модели линейной регрессии:
  • Обычные наименьшие квадраты
  • Обобщенные наименьшие квадраты
  • Взвешенные наименьшие квадраты
  • Метод наименьших квадратов с ошибками авторегрессии
  • Квантильная регрессия
  • Рекурсивный метод наименьших квадратов
• Смешанная линейная модель со смешанными эффектами и компонентами отклонения.
• GLM: обобщенные линейные модели с поддержкой всех однопараметрических экспоненциальных распределений семейства.
• Байесовский смешанный GLM для бинома и Пуассона
• GEE: обобщенные уравнения оценки для односторонних кластерных или продольных данных.
• Дискретные модели:
  • Логит и Пробит
  • Полиномиальный логит (MNLogit)
  • Пуассон и обобщенная регрессия Пуассона
  • Отрицательная биномиальная регрессия
  • Модели с нулевым завышенным счетом
• RLM: надежные линейные модели с поддержкой нескольких M-оценщиков.
• Анализ временных рядов: модели для анализа временных рядов
  • Полная структура моделирования StateSpace
    • Сезонные модели ARIMA и ARIMAX
    • Модели ВАРМА и ВАРМАКС
    • Модели динамического фактора
    • Модели ненаблюдаемых компонентов
  • Модели марковского переключения (MSAR), также известные как скрытые марковские модели (HMM)
  • Одномерный анализ временных рядов: AR, ARIMA
  • Векторные модели авторегрессии, VAR и структурная VAR
  • Модель векторного исправления ошибок, VECM
  • экспоненциальное сглаживание, Холт-Винтерс
  • Проверка гипотез для временных рядов: единичный корень, коинтеграция и другие.
  • Описательная статистика и модели процессов для анализа временных рядов
• Анализ выживания:
  • Регрессия пропорциональных рисков (модели Кокса)
  • Оценка функции выживаемости (Каплана-Мейера)
  • Оценка функции совокупной заболеваемости
• Многовариантность:
  • Анализ главных компонентов с отсутствующими данными
  • Факторный анализ с ротацией
  • МАНОВА
  • Каноническая корреляция
• Непараметрическая статистика: одномерные и многомерные оценки плотности ядра
• Наборы данных: наборы данных, используемые для примеров и при тестировании.
• Статистика: широкий спектр статистических тестов
  • диагностика и технические испытания
  • тесты на согласие и нормальность
  • функции для многократного тестирования
  • различные дополнительные статистические тесты
• Вменение с помощью MICE, регрессия по статистике порядка и вменение по Гауссу.
• Медиационный анализ
• Графика включает функции построения графиков для визуального анализа данных и результатов модели.
• ввод/вывод
  • Инструменты для чтения файлов Stata .dta, но у pandas есть более свежая версия
  • Вывод таблицы в ascii, latex и html
• Разные модели
• Песочница: statsmodels содержит папку песочницы с кодом, находящимся на различных стадиях разработки и тестирования, который не считается «готовым к производству». Это охватывает среди прочего
  • Оценщики обобщенного метода моментов (GMM)
  • Регрессия ядра
  • Различные расширения для scipy.stats.distributions
  • Модели панельных данных
  • Теоретико-информационные меры

Как это получить

Основная ветка на GitHub — это самый актуальный код.

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

Загрузка исходного кода тегов выпуска доступна на GitHub.

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

Двоичные файлы и дистрибутивы исходного кода доступны на PyPi.

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

Бинарные файлы можно установить в Anaconda.

Conda устанавливает статистические модели

Получение последней версии кода

Установка самого последнего ночного колеса

Самое последнее ночное колесо можно установить с помощью pip.

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

Установка из исходников

Требования см. в INSTALL.txt или в документации.

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

Содействие

Приветствуются вклады в любой форме, в том числе:

• Улучшения документации
• Дополнительные тесты
• Новые функции существующих моделей
• Новые модели

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

инструкции по установке statsmodels в редактируемом режиме.

Лицензия

Модифицированный BSD (3 пункта)

Обсуждение и развитие

Обсуждения проходят в списке рассылки

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

и в трекере проблем. Нам очень интересны отзывы об удобстве использования и предложения по улучшениям.

Отчеты об ошибках

Отчеты об ошибках можно отправлять в систему отслеживания проблем по адресу:

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