statsmodels

Statsmodels to biblioteka Python do zaawansowanego modelowania statystycznego. Pozwala ci budować modele regresji (OLS, GLM, logistyczne), analizować szeregi czasowe (ARIMA, SARIMAX), przeprowadzać testy hipotez i diagnostykę założeń modelu. Narzędzie generuje tabele gotowe do publikacji, oblicza miary dopasowania (AIC/BIC) i umożliwia wnioskowanie przyczynowe. Idealne dla ekonometrów, analityków danych i badaczy wymagających rygorystycznej analizy statystycznej.

1. Zainstaluj bibliotekę statsmodels w swoim środowisku Python (np. pip install statsmodels). 2. Przygotuj dane: załaduj zmienną zależną (y) i zmienne niezależne (X) jako tablice NumPy lub DataFrame Pandas. Pamiętaj, aby dodać kolumnę stałej (intercept) za pomocą sm.add_constant(X), inaczej model nie będzie miał wyrazu wolnego. 3. Utwórz model OLS (zwykłą regresję liniową) poleceniem sm.OLS(y, X) i dopasuj go metodą fit(). 4. Przejrzyj wyniki: wydrukuj results.summary() aby zobaczyć pełny raport zawierający R-squared, współczynniki, p-wartości i testy diagnostyczne. 5. Wygeneruj prognozy dla nowych danych za pomocą results.get_prediction(X_new) — otrzymasz przedziały ufności i przedziały predykcji. 6. Przeprowadź diagnostykę modelu: sprawdź heteroskedastyczność (test Breuscha-Pagana), autokorelację i normalność reszt, aby zweryfikować założenia modelu.