开发者

Python数学建模库StatsModels统计回归简介初识

目录
  • 1、MDxXuDhqF关于 StatsModels
  • 2、文档
  • 3、主要功能
  • 4、获取和安装

1、关于 StatsModels

statsmodels(http://www.statsmodels.org)是一个python库,用于拟合多种统计模型,执行统计测试以及数据探索和可视化。

2、文档

最新版本的文档位于:

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

3、主要功能

1.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www.cppcns.com乘法

2.具有混合效应和方差分量的混合线性模型

3.glm:支持所有一个参数的广义线性模型 指数族分布

4.二项和poisson的贝叶斯混合glm

5.gee:单向聚类或纵向数据的广义估计方程

6.离散模型:

  •  logit和probit
  • 多项式logit(mnlogit)
  • 泊松与广义泊松回归
  • 负二项回归
  • 零膨胀计数模型

7. rlm:支持多个m估计的鲁棒线性模型。

8.时间序列分析:时间序列分析模型

  • 完整的状态空间建模框架
  • 季节性arima和arimax模型
  • Varma和Varmax型号
  • 动态因素模型
  • 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
  • 矢量误差修正模型,vecm
  • 指数平滑,霍尔特温特斯
  • 时间序列的假设MDxXuDhqF检验:单位根、协整等
  • 时间序列分析的描述性统计和过程模型

9.生存分析:

比例危险回归(cox模型)

幸存者函数估计(kaplan-meier)

累积关联函数估计

10.多变量:

  • 缺失数据的主成分分析
  • 旋转因子分析
  • 曼诺瓦
  • 典型相关

11.非参数统计:单变量和多变量核密度估计

12.数据集:用于示例和测试的数据集

13.统计学: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
  • 各种附加统计测试

14.小鼠插补,顺序统计回归和高斯插补

15.中介分析

16.图形包括用于可视化分析数据和模型结果的绘图功能

17.输入/输出

  • 用于读取stata.dta文件的工具,但pandas有一个更新的版本
  • 表输出为ascii、latex和html

18.沙箱:statsmodewww.cppcns.comls包含一个沙箱文件夹,其中包含 未被视为“生产准备就绪”的开发和测试。

  • 广义矩量法(gmm)估计量
  • 核回归
  • scipy.stats.distributions的各种扩展
  • 面板数据模型
  • 信息论测度

4、获取和安装

pip3 install --upgrade statsmodel -i https://pypi.tsinghua.edu.cn/simple

以上就是Python数学建模库StatsModels统计回归简介初识的详细内容,更多关于数学建模库StatsModels统计回归的资料请关注我编程客栈们其它相关文章!

0

上一篇:

下一篇:

精彩评论

暂无评论...
验证码 换一张
取 消

最新开发

开发排行榜