เกี่ยวกับสถิติโมเดล
statsmodels เป็นแพ็คเกจ Python ที่ให้ส่วนเสริมสำหรับ scipy สำหรับการคำนวณทางสถิติ รวมถึงสถิติเชิงพรรณนา การประมาณค่า และการอนุมานสำหรับแบบจำลองทางสถิติ
เอกสารประกอบ
เอกสารสำหรับรุ่นล่าสุดอยู่ที่
https://www.statsmodels.org/stable/
เอกสารประกอบสำหรับเวอร์ชันการพัฒนาอยู่ที่
https://www.statsmodels.org/dev/
การปรับปรุงล่าสุดจะถูกเน้นไว้ในบันทึกประจำรุ่น
https://www.statsmodels.org/stable/release/
การสำรองข้อมูลเอกสารมีอยู่ที่ https://statsmodels.github.io/stable/ และ https://statsmodels.github.io/dev/
คุณสมบัติหลัก
- โมเดลการถดถอยเชิงเส้น:
- กำลังสองน้อยสุดธรรมดา
- กำลังสองน้อยที่สุดทั่วไป
- ถ่วงน้ำหนักกำลังสองน้อยที่สุด
- กำลังสองน้อยที่สุดที่มีข้อผิดพลาดแบบถดถอยอัตโนมัติ
- การถดถอยเชิงปริมาณ
- กำลังสองน้อยที่สุดแบบเรียกซ้ำ
- โมเดลเชิงเส้นแบบผสมพร้อมเอฟเฟกต์แบบผสมและส่วนประกอบความแปรปรวน
- GLM: โมเดลเชิงเส้นทั่วไปที่รองรับการแจกแจงตระกูลเลขชี้กำลังแบบพารามิเตอร์เดียวทั้งหมด
- GLM แบบผสมแบบเบย์สำหรับทวินามและปัวซอง
- GEE: สมการประมาณทั่วไปสำหรับข้อมูลแบบคลัสเตอร์ทางเดียวหรือตามยาว
- รุ่นแยก:
- เข้าสู่ระบบและ Probit
- บันทึกพหุนาม (MNLogit)
- การถดถอยปัวซองทั่วไปและปัวซองทั่วไป
- การถดถอยทวินามเชิงลบ
- โมเดลการนับที่ไม่พองตัว
- RLM: โมเดลเชิงเส้นที่แข็งแกร่งพร้อมการรองรับตัวประมาณค่า M หลายตัว
- การวิเคราะห์อนุกรมเวลา: แบบจำลองสำหรับการวิเคราะห์อนุกรมเวลา
- กรอบการสร้างแบบจำลอง StateSpace ที่สมบูรณ์
- รุ่น ARIMA และ ARIMAX ตามฤดูกาล
- รุ่น VARMA และ VARMAX
- แบบจำลองปัจจัยแบบไดนามิก
- โมเดลส่วนประกอบที่ตรวจไม่พบ
- โมเดลการสลับมาร์คอฟ (MSAR) หรือที่เรียกว่าโมเดลมาร์คอฟที่ซ่อนอยู่ (HMM)
- การวิเคราะห์อนุกรมเวลาแบบตัวแปรเดียว: AR, ARIMA
- แบบจำลองอัตโนมัติแบบเวกเตอร์, VAR และ VAR แบบโครงสร้าง
- แบบจำลองการแก้ไขข้อผิดพลาดของเวกเตอร์ VECM
- การปรับให้เรียบแบบเอ็กซ์โพเนนเชียล Holt-Winters
- การทดสอบสมมุติฐานสำหรับอนุกรมเวลา: รูตหน่วย, การรวมเหรียญ และอื่นๆ
- สถิติเชิงพรรณนาและแบบจำลองกระบวนการสำหรับการวิเคราะห์อนุกรมเวลา
- การวิเคราะห์การอยู่รอด:
- การถดถอยอันตรายตามสัดส่วน (แบบจำลอง Cox)
- การประมาณค่าฟังก์ชันผู้รอดชีวิต (Kaplan-Meier)
- การประมาณค่าฟังก์ชันอุบัติการณ์สะสม
- หลายตัวแปร:
- การวิเคราะห์องค์ประกอบหลักที่มีข้อมูลที่ขาดหายไป
- การวิเคราะห์ปัจจัยแบบหมุน
- มาโนวา
- สหสัมพันธ์แบบบัญญัติ
- สถิติที่ไม่ใช่พารามิเตอร์: ตัวประมาณค่าความหนาแน่นของเคอร์เนลแบบตัวแปรเดียวและหลายตัวแปร
- ชุดข้อมูล: ชุดข้อมูลที่ใช้สำหรับตัวอย่างและในการทดสอบ
- สถิติ: การทดสอบทางสถิติที่หลากหลาย
- การทดสอบการวินิจฉัยและข้อกำหนด
- การทดสอบความพอดีและความปกติ
- ฟังก์ชั่นสำหรับการทดสอบหลายรายการ
- การทดสอบทางสถิติเพิ่มเติมต่างๆ
- การใส่ร้ายด้วย MICE การถดถอยตามสถิติลำดับ และการใส่ร้ายแบบเกาส์เซียน
- การวิเคราะห์การไกล่เกลี่ย
- กราฟิกมีฟังก์ชันพล็อตสำหรับการวิเคราะห์ข้อมูลและผลลัพธ์ของโมเดลด้วยภาพ
- ฉัน/โอ
- เครื่องมือสำหรับอ่านไฟล์ Stata .dta แต่ pandas มีเวอร์ชั่นที่ใหม่กว่า
- ส่งออกตารางเป็น ASCII, Latex และ html
- โมเดลเบ็ดเตล็ด
- Sandbox: statsmodels มีโฟลเดอร์ Sandbox พร้อมโค้ดที่อยู่ในขั้นตอนต่างๆ ของการพัฒนาและการทดสอบ ซึ่งไม่ถือว่า "พร้อมสำหรับการใช้งานจริง" สิ่งนี้ครอบคลุมถึงสิ่งอื่น ๆ
- ตัวประมาณค่าโดยวิธีทั่วไปของโมเมนต์ (GMM)
- การถดถอยเคอร์เนล
- ส่วนขยายต่างๆ สำหรับ scipy.stats.distributions
- แบบจำลองข้อมูลแผง
- มาตรการทางทฤษฎีสารสนเทศ
จะได้รับมันอย่างไร
สาขาหลักบน GitHub เป็นโค้ดที่ทันสมัยที่สุด
https://www.github.com/statsmodels/statsmodels
การดาวน์โหลดซอร์สของแท็กรีลีสมีอยู่ใน GitHub
https://github.com/statsmodels/statsmodels/tags
ไบนารีและการแจกแจงแหล่งที่มามีให้จาก PyPi
https://pypi.org/project/statsmodels/
สามารถติดตั้งไบนารี่ใน Anaconda ได้
conda ติดตั้ง statsmodels
รับรหัสล่าสุด
ติดตั้งกงล้อกลางคืนล่าสุด
สามารถติดตั้งวงล้อทุกคืนล่าสุดได้โดยใช้ pip
python -m pip install -i https://pypi.anaconda.org/scientific-python-nightly-wheels/simple statsmodels --upgrade --use-deprecated=legacy-resolver
การติดตั้งจากแหล่งที่มา
ดูข้อกำหนด INSTALL.txt หรือดูเอกสารประกอบ
https://statsmodels.github.io/dev/install.html
มีส่วนร่วม
ยินดีบริจาคทุกรูปแบบ ได้แก่ :
- การปรับปรุงเอกสาร
- การทดสอบเพิ่มเติม
- คุณสมบัติใหม่สำหรับรุ่นที่มีอยู่
- รุ่นใหม่
https://www.statsmodels.org/stable/dev/test_notes
สำหรับคำแนะนำในการติดตั้ง statsmodels ในโหมด แก้ไขได้
ใบอนุญาต
ดัดแปลง BSD (3 ข้อ)
การอภิปรายและการพัฒนา
การสนทนาเกิดขึ้นในรายชื่อผู้รับจดหมาย
https://groups.google.com/group/pystatsmodels
และในตัวติดตามปัญหา เราสนใจข้อเสนอแนะเกี่ยวกับการใช้งานและข้อเสนอแนะในการปรับปรุงเป็นอย่างมาก
รายงานข้อผิดพลาด
รายงานข้อผิดพลาดสามารถส่งไปยังเครื่องมือติดตามปัญหาได้ที่
https://github.com/statsmodels/statsmodels/issues
