Python数据分析的环境安装

Francis

June 15, 2021

1331views

No comments

1820 words

Python学习

# 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 8th, 2021 at 05:37 pm

逢年过节，欢迎投喂

Python数据分析的环境安装

Francis • 2021 年 06 月 15 日

Leave a Comment Cancel reply

Python数据分析的环境安装