# statsmodels ### 安装 [pip安装](https://pypi.org/project/statsmodels/ "pip安装") ### 文档 [中文文档](https://github.com/Squidxwh/statsmodels "中文文档")（可能落后于最新版本，不过一般也没啥问题）<br> [英文文档](https://www.statsmodels.org/stable/index.html "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 [pip安装](https://pypi.org/project/arch/ "pip安装") ### 文档 中文文档（暂未找到） [英文文档](https://bashtage.github.io/arch/index.html "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 Loading... # statsmodels ### 安装 [pip安装](https://pypi.org/project/statsmodels/ "pip安装") ### 文档 [中文文档](https://github.com/Squidxwh/statsmodels "中文文档")（可能落后于最新版本，不过一般也没啥问题）<br> [英文文档](https://www.statsmodels.org/stable/index.html "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 [pip安装](https://pypi.org/project/arch/ "pip安装") ### 文档 中文文档（暂未找到） [英文文档](https://bashtage.github.io/arch/index.html "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 Last modification：July 8, 2021 © Allow specification reprint Support Appreciate the author Like 逢年过节，欢迎投喂