跳至內容

開始使用 statsmodels 的範例和教學

範例¶

此頁面提供一系列範例、教學和食譜，以協助您開始使用 statsmodels。此處顯示的每個範例都以 IPython Notebook 和純 Python 腳本的形式在 statsmodels github 儲存庫上提供。

我們也鼓勵使用者將他們自己的範例、教學或酷炫的 statsmodels 技巧提交到範例 wiki 頁面

線性迴歸模型¶

普通最小平方法

../_images/ols.png

廣義最小平方法

../_images/gls.png

分位數迴歸

../_images/quantile_regression.png

遞迴最小平方法

../_images/recursive_ls.png

滾動最小平方法

../_images/rolling_ls.png

../_images/regression_diagnostics.png

加權最小平方法

../_images/wls.png

線性混合效應

../_images/mixed_lm.png

變異數成分分析

../_images/variance_components.png

繪圖¶

../_images/regression_plots.png

線性迴歸診斷

../_images/linear_regression_diagnostics_plots.png

類別交互作用

../_images/categorical_interaction_plot.png

../_images/plots_boxplots.png

離散選擇模型¶

../_images/discrete_overview.png

Fair 的外遇數據

../_images/fairs_data.png

../_images/ordered_model.png

跨欄計數模型

../_images/count_hurdle.png

卜瓦松迴歸的後估計

../_images/post_estimation.png

非參數統計¶

單變量核密度估計器

../_images/kde_overview.png

../_images/lowess.png

廣義線性模型¶

廣義線性模型概觀

../_images/glm_overview.png

將公式與 GLM 結合使用

../_images/glm_formulas.png

使用 GLM 加權觀測值

../_images/glm_weights.png

GLM 的影響度量

../_images/influence_glm_logit.png

準二項式迴歸

../_images/quasibinomial.png

穩健迴歸¶

穩健迴歸的 M 估計量

../_images/rlm_overview.png

比較 OLS 和 RLM

../_images/rlm.png

廣義估計方程式¶

GEE 巢狀共變異數結構

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

GEE 分數檢定

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

統計¶

變異數分析

../_images/anova.png

../_images/stats_poisson.png

../_images/rank_compare.png

statsmodels 中的後設分析

../_images/metaanalysis1.png

使用持續時間數據的中介分析

../_images/mediation_survival.png

處理效應估計

../_images/treatment_effect.png

../_images/copula.png

時間序列分析¶

../_images/autoregressions.png

自迴歸分佈滯後模型

../_images/autoregressive_distributed_lag.png

../_images/deterministics.png

ARMA：太陽黑子數據

../_images/tsa_arma0.png

ARMA：人工數據

../_images/tsa_arma1.png

時間序列濾波器

../_images/tsa_filters.png

馬可夫切換動態迴歸

../_images/markov_regression.png

馬可夫切換自迴歸

../_images/markov_autoregression.png

../_images/exponential_smoothing.png

季節性分解

../_images/stl_decomposition.png

多重季節性分解

../_images/mstl_decomposition.png

平穩性和去趨勢 (ADF/KPSS)

../_images/stationarity_detrending_adf_kpss.png

狀態空間模型¶

SARIMAX：簡介

../_images/statespace_sarimax_stata.png

SARIMAX：模型選擇、遺失數據

../_images/statespace_sarimax_internet.png

SARIMAX：常見問題 (FAQ)

../_images/statespace_sarimax_faq.png

VARMAX：簡介

../_images/statespace_varmax.png

動態因子模型：應用

../_images/statespace_dfm_coincident.png

不可觀察成分：應用

../_images/statespace_structural_harvey_jaeger.png

失業率的趨勢和週期

../_images/statespace_cycles.png

狀態空間建模：局部線性趨勢

../_images/statespace_local_linear_trend.png

Statespace ARMA：太陽黑子數據

../_images/statespace_arma0.png

時間序列數據中的季節性

../_images/statespace_seasonal.png

狀態空間模型中的固定/約束參數

../_images/statespace_fixed_params.png

TVP-VAR、MCMC 和稀疏模擬平滑

../_images/statespace_tvpvar_mcmc_cfa.png

使用貝氏方法的 SARIMAX 估計

../_images/statespace_sarimax_pymc3.png

預測、更新數據集和「新聞」

../_images/statespace_news.png

Statespace：自訂模型

../_images/statespace_custom_models.png

../_images/ets.png

狀態空間模型 - 技術筆記¶

狀態空間模型：集中縮放

../_images/statespace_concentrated_scale.png

狀態空間模型：Chandrasekhar 遞迴

../_images/statespace_chandrasekhar.png

預測¶

使用 Theta 模型進行預測

../_images/theta-model.png

多變量方法¶

主成分分析

../_images/pca_fertility_factors.png

使用者筆記¶

../_images/contrasts.png

../_images/formulas_intro.png

../_images/prediction.png

statsmodels 中的預測

../_images/statespace_forecasting.png

通用最大似然

../_images/generic_mle.png

時間序列模型中的日期

../_images/tsa_dates.png

將模型最小平方擬合到數據

../_images/chi2_fitting.png

分散式估計

../_images/distributed_estimation.png

上次更新時間：2024 年 10 月 03 日