开发者页面 Statsmodels 0 14 4 Statsmodels 文档

本页解释如何通过提交补丁、统计测试、新模型或示例来为 statsmodels 的开发做出贡献。 statsmodels 在 Github 上使用 Git 版本控制系统进行开发。 指定使用的 statsmodels 版本。您可以使用 sm.version.full_version 来完成此操作 如果问题似乎涉及其他依赖项，还包括 sm.show_versions() 的输出 首先，查看 使用 statsmodels 代码 部分以了解 Git 版本控制系统的介绍。 statsmodels is using github to store the updated documentation.

Two version are available: Development, the latest build of the main branch API stability is not guaranteed for new features, although even in this case changes will be made in a backwards compatible way if possible. The stability of a new feature depends on how much time it was already in statsmodels main and how much usage it has already seen. If there are specific known problems or limitations, then they are mentioned in the docstrings. This release bring official Pyodide support to a statsmodel release.

It is otherwise identical to the previous release. Special thanks to Agriya Khetarpal for working through Pyodide-specific issues, and improving other areas of statsmodels while doing so. statsmodels 提供数据集（即数据 *和* 元数据）供在示例、教程、模型测试等中使用。 该 Rdatasets 项目 提供对 R 的核心数据集包以及许多其他常用 R 包中可用数据集的访问。所有这些数据集都可通过使用 get_rdataset 函数供 statsmodels 使用。实际数据可通过 data 属性访问。例如 get_rdataset(dataname[, package, cache]) 该 Dataset 对象遵循 bunch 模式。完整数据集可在 data 属性中获得。

如果数据集没有对什么是 endog 和 exog 的明确解释，那么您始终可以访问 data 或 raw_data 属性。这适用于 macrodata 数据集，它是一组美国宏观经济数据，而不是具有特定示例的特定数据集。 data 属性包含完整数据集的记录数组，raw_data 属性包含一个 ndarray，其中列的名称由 names 属性给出。 statsmodels 是一个 Python 模块，提供用于估计各种统计模型的类和函数，以及用于进行统计检验和统计数据探索的类和函数。每个估计器都提供广泛的统计结果列表。结果经过测试，与现有的统计包进行比较，以确保其正确性。该包是在开源的 Modified BSD (3-clause) 许可下发布的。在线文档托管在 statsmodels.org。 statsmodels 支持使用 R 风格公式和 pandas DataFrame 来指定模型。以下是一个使用普通最小二乘法的简单示例 查看 dir(results) 以查看可用的结果。属性在 results.__doc__ 中描述，结果方法有自己的文档字符串。 Seabold, Skipper 和 Josef Perktold。 "statsmodels：Python 的计量经济学和统计建模。” 第九届 Python in Science 大会论文集。 2010 年。 目前，statsmodels 在多个地方被自动构建和测试，以针对不同的依赖项、Python 版本、架构进行测试。定期检查这些日志，确保一切正常，并修复任何错误。

这个非常简单的案例研究旨在帮助您快速上手使用 statsmodels。从原始数据开始，我们将展示估计统计模型和绘制诊断图所需的步骤。我们只使用 statsmodels 或其 pandas 和 patsy 依赖项提供的函数。 pandas 基于 numpy 数组提供丰富的 数据结构和数据分析工具。 pandas.DataFrame 函数提供标记的 (可能异构的) 数据数组，类似于 R 的“data.frame”。pandas.read_csv 函数可用于将逗号分隔值文件转换为 DataFrame 对象。 patsy 是一个 Python 库，用于描述统计模型和使用类似于 R 的公式构建设计矩阵。 本示例使用 API 接口。有关导入 API 接口 (statsmodels.api 和 statsmodels.tsa.api) 与直接从定义模型的模块导入之间的区别，请参见导入路径和结构。 我们下载了Guerry 数据集，这是一个用于支持 Andre-Michel Guerry 1833 年的《法国道德统计学论文》的历史数据集合。该数据集以逗号分隔值格式 (CSV) 形式托管在Rdatasets 存储库中。我们可以将文件下载到本地，然后使用 read_csv 加载它，但是 pandas 会自动为我们完成所有这些操作 对于希望快速上手使用statsmodels的新用户来说，示例是非常宝贵的，对于希望探索statsmodels新功能的用户来说，它们也非常有用。我们希望为尽可能多的模型和用例提供文档和教程！请考虑在提交任何引入新功能的PR时，附带一个示例。

用户贡献的示例/教程/配方可以放在 statsmodels示例维基页面 该维基页面是自由可编辑的。请将您的酷炫技巧、示例和配方发布在那里！ 如果你希望你的示例文件被正式接受并发布到statsmodels的官方网站上，你需要通过正常的补丁提交流程，并遵循后续的指示。 示例最好以 Jupyter Notebook 的形式贡献。将您的笔记本保存为所有输出单元格已清除的 examples/notebooks。 我们有一个示例笔记本画廊，可在此处查看：here。如果您希望您的示例出现在此画廊中，请在docs/source/examples/landing.yml中添加笔记本的链接。对于缩略图，请截取您认为最适合作为笔记本“钩子”的部分的截图。图像将以360 x 225（宽 x 高）的尺寸显示。最好将图像保存为PNG格式，分辨率为360 x 225的倍数（首选720 x 450）。 statsmodels is using github to store the updated documentation. Two version are available:

Development, the latest build of the main branch API stability is not guaranteed for new features, although even in this case changes will be made in a backwards compatible way if possible. The stability of a new feature depends on how much time it was already in statsmodels main and how much usage it has already seen. If there are specific known problems or limitations, then they are mentioned in the docstrings. TreatmentEffect estimates treatment effect for a binary treatment and potential outcome for a continuous outcome variable using 5 different methods, ipw, ra, aipw, aipw-wls, ipw-ra. Standard errors and inference are based on the joint GMM representation of selection or treatment model, outcome model and effect functions.

statsmodels.discrete.truncated_model.HurdleCountModel implements hurdle models for count data with either Poisson or NegativeBinomialP as submodels. Three left truncated models used for zero truncation are available, statsmodels.discrete.truncated_model.TruncatedLFPoisson, statsmodels.discrete.truncated_model.TruncatedLFNegativeBinomialP and statsmodels.discrete.truncated_model.TruncatedLFGeneralizedPoisson. Models for right censoring at one are implemented but only as support for the hurdle models. The models module of scipy.stats was originally written by Jonathan Taylor. For some time it was part of scipy but was later removed. During the Google Summer of Code 2009, statsmodels was corrected, tested, improved and released as a new package.

Since then, the statsmodels development team has continued to add new models, plotting tools, and statistical methods. 大多数结果至少在一个其他统计软件包中得到验证：R、Stata 或 SAS。最初重写和持续开发的指导原则是一切数字都必须得到验证。一些统计方法使用蒙特卡罗研究进行测试。虽然我们努力遵循这种测试驱动的方法，但不能保证代码没有错误且始终有效。一些辅助函数测试不足，一些边缘情况可能没有正确考虑，并且许多统计模型中固有的数值问题可能性。我们特别感谢对此类问题的任何帮助和报告，以便我们不断改进现有模型。 现有模型的用户界面基本已稳定，我们预计未来不会出现太多重大变化。对于现有代码，虽然还没有关于 API 稳定性的保证，但我们在除极少数情况外，都有很长的弃用期，并且尽量将需要现有用户调整的更改降至最低。对于较新的模型，我们可能会在获得更多经验和反馈后调整用户界面。这些更改将在我们的文档中发布的发布说明中列出。 如果您遇到错误或意外行为，请在 issue tracker 上报告。使用 show_versions 命令列出 statsmodels 及其依赖项的已安装版本。 Google www.google.com : Google Summer of Code (GSOC) 2009-2017。

People Also Search

• 开发者页面 - statsmodels 0.14.4 - statsmodels 文档
• Release 0.14.4 - statsmodels 0.14.4
• 数据集包 - statsmodels 0.14.4 - statsmodels 文档
• statsmodels 0.14.4 - statsmodels 文档
• User Guide - statsmodels 0.14.4
• 构建机器上的测试 - statsmodels 0.14.4 - statsmodels 文档
• 入门 - statsmodels 0.14.4 - statsmodels 文档
• Examples - statsmodels 0.14.4 - aidoczh.com
• Release 0.14.0 - statsmodels 0.14.4
• 关于 statsmodels - statsmodels 0.14.4 - statsmodels 文档