statsmodels

statsmodels

 

 

statsmodels는 통계 모델에 대한 기술 통계 및 추정 및 추론을 포함하여 통계 계산을 위해 scipy를 보완하는 Python 패키지이다.

 

python -m pip install statsmodels

 

Main Features

 

선형 회귀 모델 일반 최소 제곱 일반화된 최소 제곱 가중 최소제곱 자기회귀 오류가 있는 최소제곱 분위수 회귀 재귀적 최소제곱 효과 및 분산 성분이 혼합된 혼합 선형 모델 GLM: 모든 단일 매개변수 지수군 분포를 지원하는 일반화 선형 모델 이항 및 푸아송을 위한 베이지안 혼합 GLM GEE: 단방향 클러스터 또는 종단 데이터에 대한 일반화된 추정 방정식 개별 모델 로짓과 프로빗 다항 로짓 (MNLogit) 포아송 및 일반화 포아송 회귀 음이항 회귀 제로 팽창 카운트 모델 RLM : 여러 M 추정기를 지원하는 강력한 선형 모델이다. 시계열 분석 : 시계열 분석을 위한 모델 완전한 StateSpace 모델링 프레임워크 계절 ARIMA 및 ARIMAX 모델 VARMA 및 VARMAX 모델 동적 요인 모델 관찰되지 않은 구성 요소 모델 HMM (Hidden Markov Models)이라고도 하는 MSAR (Markov Switching Models) 일변량 시계열 분석 : AR, ARIMA 벡터 자기회귀 모델, VAR 및 구조적 VAR 벡터 오류 수정 모델, VECM 지수 평활, Holt-Winters 시계열에 대한 가설 검정 : 단위근, 공적분 등 시계열 분석을 위한 기술 통계 및 프로세스 모델 생존 분석 비례 위험 회귀 (Cox 모델) 생존자 기능 추정 (Kaplan-Meier) 누적 발생률 함수 추정 다변량 누락된 데이터가 있는 주성분 분석 회전을 사용한 요인 분석 다변량 정식 상관 관계 비모수 통계 : 일변량 및 다변량 커널 밀도 추정기 데이터 세트 : 예제 및 테스트에 사용되는 데이터 세트 통계 : 광범위한 통계 테스트 진단 및 사양 테스트 적합도 및 정규성 검정 다중 테스트 기능 다양한 추가 통계 테스트 MICE로 대치, 주문 통계에 대한 회귀 및 가우시안 대치 중재 분석 그래픽에는 데이터 및 모델 결과의 시각적 분석을 위한 플롯 기능이 포함되어 있다. I/O Stata .dta 파일을 읽기 위한 도구이지만 pandas에는 최신 버전이 있다. ascii, latex 및 html로 테이블 출력 기타 모델 샌드박스 : statsmodels에는 "프로덕션 준비"로 간주되지 않는 다양한 개발 및 테스트 단계의 코드가 있는 샌드박스 폴더가 포함되어 있다. 일반화 모멘트 방법 (GMM) 추정기 커널 회귀 scipy.stats.distributions에 대한 다양한 확장 패널 데이터 모델 정보 이론적 측정

 

https://github.com/statsmodels/statsmodels/

GitHub - statsmodels/statsmodels: Statsmodels: statistical modeling and econometrics in Python