statsmodels
安装
文档
中文文档（可能落后于最新版本，不过一般也没啥问题）
英文文档（和版本同步更新，英文原文文档，如果中文文档有问题，可以翻阅查看）
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
- 分位数回归
- 递归最小二乘法
- 具有混合效应和方差成分的混合线性模型
- GLM：支持所有单参数指数族分布的广义线性模型
- 用于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 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: 鲁棒的线性模型，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
- 未观测到的组件模型
- 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
- 矢量自回归模型，VAR和结构VAR
- 矢量误差修正模型，VECM
- 指数平滑，Holt-Winters
- 时间序列的假设检验：单位根，协整和其他
- 用于时间序列分析的描述性统计数据和过程模型
生存分析:
- 比例风险回归（Cox模型）
- 生存者函数估计（Kaplan-Meier）
- 累积发生率函数估计
多变量:
- 缺失数据的主成分分析
- 旋转因子分析
- MANOVA
- 典型相关
- 非参数统计：单变量和多变量核密度估计
- 数据集：用于示例和测试的数据集
统计：广泛的统计检验
- 诊断和规格检验
- 拟合优度和正态性检验
- 多元测试函数
- 各种其他统计检验
- 使用MICE进行插补，秩序统计回归和高斯插补
- 调解分析
- 图形包括用于数据和模型结果的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具有较新的版本
- 表输出到ascii，latex和html
- 其他模型
Sandbox：statsmodels包含一个 sandbox 文件夹，其中包含处于开发和测试各个阶段的代码，
因此不被视为“生产就绪”。其中包括：- 广义矩法（GMM）估计器
- 核回归
- scipy.stats.distributions的各种扩展
- 面板数据模型
- 信息理论测度
Arch
安装
文档
中文文档（暂未找到）
英文文档
模块内容(Module Contents)
- Univariate ARCH Models
- Unit Root Tests
- Cointegration Testing and Analysis
- Bootstrapping
- Multiple Comparison Tests
- Long-run Covariance Estimation