跳至内容

示例和教程，帮助您开始使用 statsmodels

示例¶

此页面提供了一系列示例、教程和配方，帮助您开始使用 statsmodels。此处显示的每个示例都可以在 statsmodels github 存储库上作为 IPython Notebook 和纯 Python 脚本获得。

我们还鼓励用户将其自己的示例、教程或酷炫的 statsmodels 技巧提交到示例维基页面

线性回归模型¶

普通最小二乘法

../_images/ols.png

广义最小二乘法

../_images/gls.png

分位数回归

../_images/quantile_regression.png

递归最小二乘法

../_images/recursive_ls.png

滚动最小二乘法

../_images/rolling_ls.png

../_images/regression_diagnostics.png

加权最小二乘法

../_images/wls.png

线性混合效应

../_images/mixed_lm.png

方差分量分析

../_images/variance_components.png

绘图¶

../_images/regression_plots.png

线性回归诊断

../_images/linear_regression_diagnostics_plots.png

分类交互作用

../_images/categorical_interaction_plot.png

../_images/plots_boxplots.png

离散选择模型¶

../_images/discrete_overview.png

Fair’s Affairs 数据

../_images/fairs_data.png

../_images/ordered_model.png

障碍计数模型

../_images/count_hurdle.png

泊松回归的估计后分析

../_images/post_estimation.png

非参数统计¶

单变量核密度估计量

../_images/kde_overview.png

../_images/lowess.png

广义线性模型¶

广义线性模型概述

../_images/glm_overview.png

使用公式进行 GLM

../_images/glm_formulas.png

使用 GLM 加权观察

../_images/glm_weights.png

GLM 的影响测量

../_images/influence_glm_logit.png

拟二项式回归

../_images/quasibinomial.png

稳健回归¶

稳健回归的 M 估计量

../_images/rlm_overview.png

比较 OLS 和 RLM

../_images/rlm.png

广义估计方程¶

GEE 嵌套协方差结构

../_images/gee-cov-struct.png

GEE 得分检验

../_images/gee-score-tests.png

统计¶

../_images/anova.png

../_images/stats_poisson.png

../_images/rank_compare.png

statsmodels 中的荟萃分析

../_images/metaanalysis1.png

使用持续时间数据的调节分析

../_images/mediation_survival.png

治疗效果估计

../_images/treatment_effect.png

../_images/copula.png

时间序列分析¶

../_images/autoregressions.png

自回归分布滞后模型

../_images/autoregressive_distributed_lag.png

../_images/deterministics.png

ARMA：太阳黑子数据

../_images/tsa_arma0.png

ARMA：人工数据

../_images/tsa_arma1.png

时间序列滤波器

../_images/tsa_filters.png

马尔可夫切换动态回归

../_images/markov_regression.png

马尔可夫切换自回归

../_images/markov_autoregression.png

../_images/exponential_smoothing.png

../_images/stl_decomposition.png

多季节分解

../_images/mstl_decomposition.png

平稳性和去趋势 (ADF/KPSS)

../_images/stationarity_detrending_adf_kpss.png

状态空间模型¶

SARIMAX：简介

../_images/statespace_sarimax_stata.png

SARIMAX：模型选择，缺失数据

../_images/statespace_sarimax_internet.png

SARIMAX：常见问题解答 (FAQ)

../_images/statespace_sarimax_faq.png

VARMAX：简介

../_images/statespace_varmax.png

动态因子模型：应用

../_images/statespace_dfm_coincident.png

未观察到的成分：应用

../_images/statespace_structural_harvey_jaeger.png

失业率的趋势和周期

../_images/statespace_cycles.png

状态空间建模：局部线性趋势

../_images/statespace_local_linear_trend.png

状态空间 ARMA：太阳黑子数据

../_images/statespace_arma0.png

时间序列数据中的季节性

../_images/statespace_seasonal.png

状态空间模型中的固定/约束参数

../_images/statespace_fixed_params.png

TVP-VAR，MCMC 和稀疏模拟平滑

../_images/statespace_tvpvar_mcmc_cfa.png

使用贝叶斯方法进行 SARIMAX 估计

../_images/statespace_sarimax_pymc3.png

预测，更新数据集和“新闻”

../_images/statespace_news.png

状态空间：自定义模型

../_images/statespace_custom_models.png

../_images/ets.png

状态空间模型 - 技术说明¶

状态空间模型：集中去除尺度

../_images/statespace_concentrated_scale.png

状态空间模型：昌德拉塞卡递归

../_images/statespace_chandrasekhar.png

预测¶

使用 Theta 模型进行预测

../_images/theta-model.png

多元方法¶

主成分分析

../_images/pca_fertility_factors.png

用户说明¶

../_images/contrasts.png

../_images/formulas_intro.png

../_images/prediction.png

statsmodels 中的预测

../_images/statespace_forecasting.png

通用最大似然

../_images/generic_mle.png

时间序列模型中的日期

../_images/tsa_dates.png

模型对数据的最小二乘拟合

../_images/chi2_fitting.png

分布式估计

../_images/distributed_estimation.png

最后更新时间：2024 年 10 月 3 日