statsmodels

关于统计模型

statsmodels 是一个 Python 包，它为 scipy 提供了统计计算的补充，包括描述性统计以及统计模型的估计和推理。

文档

最新版本的文档位于

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

开发版本的文档位于

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

发行说明中强调了最近的改进

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

文档备份可在 https://statsmodels.github.io/stable/ 和 https://statsmodels.github.io/dev/ 获取。

主要特点

• 线性回归模型：
  • 普通最小二乘法
  • 广义最小二乘法
  • 加权最小二乘法
  • 具有自回归误差的最小二乘法
  • 分位数回归
  • 递归最小二乘法
• 具有混合效应和方差分量的混合线性模型
• GLM：广义线性模型，支持所有单参数指数族分布
• 二项式和泊松的贝叶斯混合 GLM
• GEE：单向聚类或纵向数据的广义估计方程
• 离散模型：
  • Logit 和 Probit
  • 多项式 Logit (MNLogit)
  • 泊松和广义泊松回归
  • 负二项式回归
  • 零膨胀计数模型
• RLM：稳健的线性模型，支持多个 M 估计器。
• 时间序列分析：时间序列分析模型
  • 完整的 StateSpace 建模框架
    • 季节性 ARIMA 和 ARIMAX 模型
    • VARMA 和 VARMAX 模型
    • 动态因子模型
    • 未观察到的组件模型
  • 马尔可夫切换模型 (MSAR)，也称为隐马尔可夫模型 (HMM)
  • 单变量时间序列分析：AR、ARIMA
  • 向量自回归模型、VAR 和结构 VAR
  • 矢量纠错模型，VECM
  • 指数平滑、Holt-Winters
  • 时间序列的假设检验：单位根、协整等
  • 用于时间序列分析的描述性统计和过程模型
• 生存分析：
  • 比例风险回归（Cox 模型）
  • 幸存者函数估计 (Kaplan-Meier)
  • 累积关联函数估计
• 多变量：
  • 缺失数据的主成分分析
  • 旋转因子分析
  • 多元方差分析
  • 典型相关性
• 非参数统计：单变量和多元核密度估计器
• 数据集：用于示例和测试的数据集
• 统计：广泛的统计测试
  • 诊断和规格测试
  • 拟合优度和正态性检验
  • 多重测试功能
  • 各种额外的统计测试
• MICE 插补、订单统计回归和高斯插补
• 中介分析
• 图形包括用于数据和模型结果可视化分析的绘图功能
• 输入/输出
  • 用于读取 Stata .dta 文件的工具，但 pandas 有更新的版本
  • 表输出为 ascii、latex 和 html
• 其它型号
• 沙箱：statsmodels 包含一个沙箱文件夹，其中包含处于开发和测试各个阶段的代码，不被视为“生产就绪”。这其中包括
  • 广义矩量法 (GMM) 估计器
  • 核回归
  • scipy.stats.distributions 的各种扩展
  • 面板数据模型
  • 信息论措施

如何获得

GitHub 上的主分支是最新的代码

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

发布标签的源代码下载可在 GitHub 上找到

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

二进制文件和源代码发行版可从 PyPi 获取

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

二进制文件可以安装在 Anaconda 中

conda 安装 statsmodels

获取最新代码

安装最新的夜间轮

最新的 Nightly Wheel 可以使用 pip 安装。

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

从源安装

请参阅 INSTALL.txt 了解要求或参阅文档

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

贡献

欢迎任何形式的贡献，包括：

• 文档改进
• 附加测试
• 现有型号的新功能
• 新型号

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

有关在可编辑模式下安装 statsmodels 的说明。

执照

修改版 BSD（3 条款）

讨论与发展

讨论在邮件列表上进行

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

并在问题跟踪器中。我们对有关可用性的反馈和改进建议非常感兴趣。

错误报告

错误报告可以提交给问题跟踪器：

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