statsmodels

    0熱度

    1回答

    對於我的評估,我想針對在this link(https://drive.google.com/drive/folders/0B2Iv8dfU4fTUMVFyYTEtWXlzYkk)中找到的數據集運行滾動,例如3窗口OLS regression estimation,如以下格式所示。我的數據集中的第三列(Y)是我的真實值 - 這就是我想要預測的(估計)。 time X Y 0.000543 0

    3熱度

    1回答

    嗨我試圖計算一個擴大窗口熊貓的迴歸貝塔斯。我有以下函數來計算的β def beta(row, col1, col2): return numpy.cov(row[col1],row[col2])/numpy.var(row[col1]) 而且我嘗試了以下得到擴大測試我的數據框df pandas.expanding_apply(df, beta, col1='col1', col2=

    1熱度

    1回答

    試圖通過pip install statsmodels安裝statsmodels。我使用Win10和Python 3.6。我已經安裝了NumPy,SciPy,Pandas和所有其他依賴項。我已經用C++和Python相關的東西安裝了Visual Studio Community 2017。 我得到這個錯誤: ... building 'statsmodels.tsa.kalmanf.k

    1熱度

    1回答

    在統計模型中,添加交互術語很容易。然而,並非所有的交互都很重要。我的問題是如何放棄那些微不足道的東西?例如Kootenay的機場。 # -*- coding: utf-8 -*- import pandas as pd import statsmodels.formula.api as sm if __name__ == "__main__": # Read data

    0熱度

    2回答

    我有這樣一個數據幀的交互虛擬變量: Index ID Industry years_spend asset 6646 892 4 4 144.977037 2347 315 10 8 137.749138 7342 985 1 5 104.310217 137 18 5 5 156.593396 2840 381 11 2 229.538828 6

    0熱度

    3回答

    在蟒蛇,我已經通過使用此代碼創建一個迴歸模型: import statsmodels.formula.api as sm df = pd.DataFrame({"A": data['dur'], "B": data['agreement'], "C": data['vidPersonIdeoDiff'], "D": data['opinionChange'], "G": data['fake']

    2熱度

    2回答

    import pandas as pd import numpy as np import sklearn from scipy import stats import matplotlib.pyplot as plt import os import seaborn as sns sns.set(); np.random.seed(0) x = np.random.randn

    2熱度

    2回答

    我分解利用statsmodels。這裏所提供的季節性分解代碼多個時間序列和相應的輸出: def seasonal_decompose(item_index): tmp = df2.loc[df2.item_id_copy == item_ids[item_index], "sales_quantity"] res = sm.tsa.seasonal_decompose(tmp)

    1熱度

    2回答

    我正在運行一些迴歸我想表面比較Stata,以確保我的代碼在Stata遷移到Python時起作用。 即statsmodels.formula.api('x ~ y')輸出 coef std err t P>|t| [0.025 0.975] -----------------------------------------------------------------------

    0熱度

    2回答

    我想比較兩個嵌套線性模型,稱它們爲m01和m02,其中m01是簡化模型,m02是完整模型。我想做一個簡單的F-測試,看看這個完整的模型是否會在縮減的模型上增加顯着的效用。 這是非常簡單的在R.例如: mtcars <- read.csv("https://raw.githubusercontent.com/focods/WonderfulML/master/data/mtcars.csv") m