Python中数学建模库StatsModels统计回归的示例分析

这篇文章主要介绍Python中数学建模库StatsModels统计回归的示例分析，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

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：statsmodels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

以上是“Python中数学建模库StatsModels统计回归的示例分析”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！