コンテンツにスキップ

statsmodelsを使い始めるための例とチュートリアル

例¶

このページでは、statsmodelsを使い始めるための例、チュートリアル、レシピを提供します。ここに示されている各例は、IPython Notebookとして、またプレーンなpythonスクリプトとしてstatsmodels githubリポジトリで入手できます。

また、ユーザーが独自の例、チュートリアル、またはクールなstatsmodelsのコツをExamples wiki pageに投稿することを推奨します。

線形回帰モデル¶

通常最小二乗法

../_images/ols.png

一般化最小二乗法

../_images/gls.png

分位点回帰

../_images/quantile_regression.png

再帰的最小二乗法

../_images/recursive_ls.png

ローリング最小二乗法

../_images/rolling_ls.png

../_images/regression_diagnostics.png

重み付き最小二乗法

../_images/wls.png

線形混合効果

../_images/mixed_lm.png

分散成分分析

../_images/variance_components.png

プロット¶

回帰プロット

../_images/regression_plots.png

線形回帰診断

../_images/linear_regression_diagnostics_plots.png

カテゴリ変数の交互作用

../_images/categorical_interaction_plot.png

../_images/plots_boxplots.png

離散選択モデル¶

../_images/discrete_overview.png

Fairの不倫データ

../_images/fairs_data.png

../_images/ordered_model.png

ハードルカウントモデル

../_images/count_hurdle.png

ポアソン回帰の推定後処理

../_images/post_estimation.png

ノンパラメトリック統計¶

一変量カーネル密度推定器

../_images/kde_overview.png

../_images/lowess.png

一般化線形モデル¶

一般化線形モデルの概要

../_images/glm_overview.png

GLMでの数式の使用

../_images/glm_formulas.png

GLMによる観測値の重み付け

../_images/glm_weights.png

GLMの影響測定

../_images/influence_glm_logit.png

準二項回帰

../_images/quasibinomial.png

ロバスト回帰¶

ロバスト回帰のためのM推定量

../_images/rlm_overview.png

OLSとRLMの比較

../_images/rlm.png

一般化推定方程式¶

GEE入れ子共分散構造

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

GEEスコア検定

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

統計¶

../_images/anova.png

ポアソン率

../_images/stats_poisson.png

ランク比較

../_images/rank_compare.png

statsmodelsにおけるメタ分析

../_images/metaanalysis1.png

継続時間データを用いたメディエーション分析

../_images/mediation_survival.png

処置効果の推定

../_images/treatment_effect.png

../_images/copula.png

時系列分析¶

../_images/autoregressions.png

自己回帰分散ラグモデル

../_images/autoregressive_distributed_lag.png

../_images/deterministics.png

ARMA：太陽黒点データ

../_images/tsa_arma0.png

ARMA：人工データ

../_images/tsa_arma1.png

時系列フィルター

../_images/tsa_filters.png

マルコフスイッチング動的回帰

../_images/markov_regression.png

マルコフスイッチング自己回帰

../_images/markov_autoregression.png

指数平滑化

../_images/exponential_smoothing.png

../_images/stl_decomposition.png

多季節分解

../_images/mstl_decomposition.png

定常性とトレンド除去（ADF / KPSS）

../_images/stationarity_detrending_adf_kpss.png

状態空間モデル¶

SARIMAX：はじめに

../_images/statespace_sarimax_stata.png

SARIMAX：モデル選択、欠損データ

../_images/statespace_sarimax_internet.png

SARIMAX：よくある質問（FAQ）

../_images/statespace_sarimax_faq.png

VARMAX：はじめに

../_images/statespace_varmax.png

動的因子モデル：応用

../_images/statespace_dfm_coincident.png

観測されない構成要素：応用

../_images/statespace_structural_harvey_jaeger.png

失業のトレンドとサイクル

../_images/statespace_cycles.png

状態空間モデリング：局所線形トレンド

../_images/statespace_local_linear_trend.png

状態空間ARMA：太陽黒点データ

../_images/statespace_arma0.png

時系列データの季節性

../_images/statespace_seasonal.png

状態空間モデルの固定/制約パラメータ

../_images/statespace_fixed_params.png

TVP-VAR、MCMC、およびスパースシミュレーションスムージング

../_images/statespace_tvpvar_mcmc_cfa.png

ベイズ法によるSARIMAX推定

../_images/statespace_sarimax_pymc3.png

予測、データセットの更新、および「ニュース」

../_images/statespace_news.png

状態空間：カスタムモデル

../_images/statespace_custom_models.png

../_images/ets.png

状態空間モデル - 技術的な注意¶

状態空間モデル：スケールの集中

../_images/statespace_concentrated_scale.png

状態空間モデル：チャンドラセカール再帰

../_images/statespace_chandrasekhar.png

予測¶

Thetaモデルを使用した予測

../_images/theta-model.png

多変量手法¶

主成分分析

../_images/pca_fertility_factors.png

ユーザーノート¶

コントラスト

../_images/contrasts.png

../_images/formulas_intro.png

../_images/prediction.png

statsmodelsでの予測

../_images/statespace_forecasting.png

汎用最尤法

../_images/generic_mle.png

時系列モデルの日付

../_images/tsa_dates.png

データへのモデルの最小二乗法による適合

../_images/chi2_fitting.png

../_images/distributed_estimation.png

最終更新日：2024年10月3日