Python中數學建模庫StatsModels統計回歸的示例分析

這篇文章主要介紹Python中數學建模庫StatsModels統計回歸的示例分析，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

1、關于 StatsModels

statsmodels（http://www.statsmodels.org）是一個Python庫，用于擬合多種統計模型，執行統計測試以及數據探索和可視化。

2、文檔

最新版本的文檔位于：
https://www.statsmodels.org/stable/

3、主要功能

1.線性回歸模型：

• 普通最小二乘法

• 廣義最小二乘法

• 加權最小二乘法

• 具有自回歸誤差的最小二乘法

• 分位數回歸

• 遞歸最小二乘法

2.具有混合效應和方差分量的混合線性模型

3.glm：支持所有一個參數的廣義線性模型 指數族分布

4.二項和poisson的貝葉斯混合glm

5.gee：單向聚類或縱向數據的廣義估計方程

6.離散模型：

•  logit和probit

• 多項式logit（mnlogit）

• 泊松與廣義泊松回歸

• 負二項回歸

• 零膨脹計數模型

7. rlm：支持多個m估計的魯棒線性模型。

8.時間序列分析：時間序列分析模型

• 完整的狀態空間建模框架

• 季節性arima和arimax模型

• Varma和Varmax型號

• 動態因素模型

• 未觀察到的組件模型

• 馬爾可夫切換模型（MSAR），也稱為隱馬爾可夫模型（HMM）

• 單變量時間序列分析：ar，arima

• 向量自回歸模型、var和結構var

• 矢量誤差修正模型，vecm

• 指數平滑，霍爾特溫特斯

• 時間序列的假設檢驗：單位根、協整等

• 時間序列分析的描述性統計和過程模型

9.生存分析：

比例危險回歸（cox模型）

幸存者函數估計（kaplan-meier）

累積關聯函數估計

10.多變量：

• 缺失數據的主成分分析

• 旋轉因子分析

• 曼諾瓦

• 典型相關

11.非參數統計：單變量和多變量核密度估計

12.數據集：用于示例和測試的數據集

13.統計學：廣泛的統計測試

• 診斷和規格測試

• 擬合優度和正態性檢驗

• 多重測試功能

• 各種附加統計測試

14.小鼠插補，順序統計回歸和高斯插補

15.中介分析

16.圖形包括用于可視化分析數據和模型結果的繪圖功能

17.輸入/輸出

• 用于讀取stata.dta文件的工具，但pandas有一個更新的版本

• 表輸出為ascii、latex和html

18.沙箱：statsmodels包含一個沙箱文件夾，其中包含 未被視為“生產準備就緒”的開發和測試。

• 廣義矩量法（gmm）估計量

• 核回歸

• scipy.stats.distributions的各種擴展

• 面板數據模型

• 信息論測度

4、獲取和安裝

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

以上是“Python中數學建模庫StatsModels統計回歸的示例分析”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！