API 参考¶
statsmodels 的主要 API 分为模型
statsmodels.api
: 横截面模型和方法。通常使用import statsmodels.api as sm
导入。statsmodels.tsa.api
: 时间序列模型和方法。通常使用import statsmodels.tsa.api as tsa
导入。statsmodels.formula.api
: 用于使用公式字符串和 DataFrame 指定模型的便捷接口。此 API 直接公开支持公式 API 的模型的from_formula
类方法。通常使用import statsmodels.formula.api as smf
导入
API 重点关注模型以及最常用的统计检验和工具。 导入路径和结构 解释了这两个 API 模块的设计以及如何从 API 导入与直接从定义模型的模块导入的不同之处。有关可用模型、统计信息和工具的完整列表,请参阅 用户指南 中的详细主题页面。
statsmodels.api
¶
回归¶
|
普通最小二乘法 |
|
加权最小二乘法 |
|
广义最小二乘法 |
|
具有 AR 协方差结构的广义最小二乘法 |
|
递归最小二乘法 |
|
滚动普通最小二乘法 |
|
滚动加权最小二乘法 |
插补¶
|
使用高斯模型的贝叶斯插补。 |
|
MI 使用提供的插补器对象执行多次插补。 |
|
使用链式方程的多重插补。 |
|
包装数据集以允许使用 MICE 处理缺失数据。 |
广义估计方程¶
|
使用广义估计方程的边际回归模型。 |
|
使用 GEE 的名义响应边际回归模型。 |
|
使用 GEE 的序数响应边际回归模型 |
广义线性模型¶
|
广义线性模型 |
|
广义加性模型 (GAM) |
|
使用贝叶斯估计的广义线性混合模型 |
|
使用贝叶斯估计的广义线性混合模型 |
离散和计数模型¶
|
Logit 模型 |
|
Probit 模型 |
|
多项 Logit 模型 |
|
基于逻辑或正态分布的序数模型 |
|
泊松模型 |
|
负二项式模型 |
|
广义负二项式 (NB-P) 模型 |
|
广义泊松模型 |
|
泊松零膨胀模型 |
|
零膨胀广义负二项式模型 |
|
零膨胀广义泊松模型 |
|
将条件逻辑回归模型拟合到分组数据。 |
|
将条件多项式逻辑回归模型拟合到分组数据。 |
|
将条件泊松回归模型拟合到分组数据。 |
多元模型¶
|
因子分析 |
|
多元方差分析 |
|
主成分分析 |
其他模型¶
|
线性混合效应模型 |
|
生存函数的估计和推断。 |
|
Cox 比例风险回归模型 |
|
分位数回归 |
|
稳健线性模型 |
|
Beta 回归. |
图形¶
|
Q-Q 和 P-P 概率图 |
|
绘制 qqplot 的参考线。 |
|
x 的分位数与分布的分位数/ppf 的 Q-Q 图。 |
|
两个样本分位数的 Q-Q 图。 |
统计量¶
|
数据的扩展描述性统计量 |
|
数据的扩展描述性统计量 |
工具¶
|
运行测试套件 |
|
将一列常数添加到数组中。 |
|
加载先前保存的对象 |
|
列出 statsmodels 和任何已安装依赖项的版本 |
|
打开浏览器并显示在线文档 |
statsmodels.tsa.api
¶
统计和检验¶
|
计算自相关函数。 |
|
估计自协方差。 |
|
增广的 Dickey-Fuller 单位根检验。 |
|
时间序列独立性的 BDS 检验统计量 |
|
互相关函数。 |
|
计算两个序列之间的互协方差。 |
|
检验单变量方程的无协整性。 |
|
Kwiatkowski-Phillips-Schmidt-Shin 平稳性检验。 |
|
偏自相关估计。 |
|
使用 OLS 计算偏自相关。 |
|
使用非递归 Yule-Walker 方法估计偏自相关。 |
|
计算 Ljung-Box Q 统计量。 |
|
范围单位根平稳性检验。 |
Zivot-Andrews 结构性断点单位根检验。 |
单变量时间序列分析¶
|
自回归 AR-X(p) 模型 |
|
自回归分布滞后 (ARDL) 模型 |
|
自回归积分移动平均 (ARIMA) 模型及其扩展 |
|
带外生回归量的季节性自回归积分移动平均模型 |
|
ARDL 阶数选择 |
|
计算多个 ARMA 模型的信息准则。 |
|
从 ARMA 模型中模拟数据。 |
|
指定滞后多项式的 ARMA 过程的理论特性。 |
|
无约束误差相关模型 (UECM) |
指数平滑¶
|
Holt-Winters 指数平滑 |
|
Holt 指数平滑 |
|
简单指数平滑 |
|
线性指数平滑模型 |
|
ETS 模型。 |
多元时间序列模型¶
|
动态因子模型 |
|
带有 EM 算法的动态因子模型;支持月度/季度数据。 |
|
拟合 VAR(p) 过程并进行滞后阶数选择 |
|
带外生回归量的向量自回归移动平均模型 |
|
拟合 VAR 并估计 A 和 B 的结构性成分,定义如下: |
|
代表向量误差修正模型 (VECM) 的类。 |
|
单变量不可观测成分时间序列模型 |
滤波器和分解¶
|
使用移动平均进行季节性分解。 |
|
使用 LOESS 进行季节趋势分解。 |
|
使用 LOESS 对多个季节性进行季节趋势分解。 |
|
使用 Baxter-King 带通滤波器过滤时间序列。 |
|
Christiano Fitzgerald 非对称随机游走滤波器。 |
|
Hodrick-Prescott 滤波器。 |
马尔可夫状态转换模型¶
|
马尔可夫状态转换回归模型 |
|
一阶 k-状态马尔可夫切换回归模型 |
预测¶
|
使用 STL 删除季节性进行基于模型的预测 |
|
Assimakopoulos 和 Nikolopoulos (2000) 的 Theta 预测模型 |
时间序列工具¶
|
给定数组,返回包含滞后的数组。 |
|
向数组添加趋势和/或常数。 |
|
沿轴 0 或 1 去除具有给定阶数的趋势的数组。 |
|
创建滞后的二维数组。 |
|
为二维数组生成滞后矩阵,列按变量排列。 |
|
确定性项的容器类。 |
X12/X13 接口¶
|
对月度或季度数据执行 x13-arima 分析。 |
|
使用 x12/x13 ARIMA 执行自动季节性 ARIMA 阶数识别。 |
statsmodels.formula.api
¶
模型¶
小写名称是对应模型类的 from_formula 方法的别名。公式 API 中公开的方法的功能描述是通用的。有关详细信息,请参阅父模型的文档。
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建比例风险回归模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |
|
从公式和数据框创建模型。 |