当我这样做时，我无法设法正确导入statsmodels.api，我遇到了这个错误:File"/home/mlv/.local/lib/python3.5/site-packages/statsmodels/tsa/statespace/tools.py",line59,inset_modefrom.import(_representation,_kalman_filter,_kalman_smoother,ImportError:cannotimportname'_representation'我已经尝试重新安装或更新它，但没有改变。请我需要帮助=) 最佳答
我有时间序列数据，如下:emplvldate2003-01-0110955.0000002003-04-0111090.3333332003-07-0111157.0000002003-10-0111335.6666672004-01-0111045.0000002004-04-0111175.6666672004-07-0111135.6666672004-10-0111480.3333332005-01-0111441.0000002005-04-0111531.0000002005-07-0111320.0000002005-10-0111516.6666672006-01-01
我已经学习Python几个月了，但现在我在研究nltk等模块时发现我的2.7安装存在一些问题。但是，当我想使用帮助(“模块”)列出模块时，我遇到了我认为可以解释问题的主要错误:/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/distribute-0.6.28-py2.7.egg/setuptools/command/install_scripts.py:3:UserWarning:Modulenumpywasalreadyimportedfrom/Library/Python/2
我有一个包含5年时间序列的.csv文件，具有小时分辨率(商品价格)。根据历史数据，我想创建第6年的价格预测。我在www上阅读了几篇关于此类程序的文章，我的代码基本上基于那里发布的代码，因为我对Python(尤其是statsmodels)和统计的知识最多是有限的。那些是链接，对于那些感兴趣的人:http://www.seanabu.com/2016/03/22/time-series-seasonal-ARIMA-model-in-python/http://www.johnwittenauer.net/a-simple-time-series-analysis-of-the-sp-50
我在名为price_data的数据框中有来自yahoofinance的每日股票价格数据。我想为此添加一列，它提供AdjClose列的时间序列趋势的拟合值。这是我使用的数据结构:In[41]:type(price_data)Out[41]:pandas.core.frame.DataFrameIn[42]:list(price_data.columns.values)Out[42]:['Open','High','Low','Close','Volume','AdjClose']In[45]:type(price_data.index)Out[45]:pandas.tseries.ind
我正在对有些共线的数据运行岭回归。用于识别稳定拟合的方法之一是脊迹，这要归功于scikit-learn上的出色示例，我能做到。另一种方法是随着k的增加计算每个变量的方差膨胀因子(VIF)。当VIF降至Statsmodels有VIF的代码，但它是用于OLS回归的。我试图改变它来处理岭回归。我正在根据示例回归分析第5版第10章检查我的结果。我的代码生成了k=0.000的正确结果，但在那之后就没有了。可用的SAS代码可用，但我不是SAS用户，我不知道该实现与scikit-learn(和/或statsmodels)之间的区别。我已经坚持了几天，所以非常感谢任何帮助。#http://www.at
计量经济学背景FamaMacbeth回归是指对面板数据运行回归的过程(其中有N个不同的个体，每个个体对应多个时期T，例如日、月、年)。所以总共有NxTobs。请注意，如果面板数据不平衡也没关系。FamaMacbeth回归首先对每个时期进行跨部门回归，即在给定时期t将N个个体集中在一起。并为t=1,...T执行此操作。所以总共运行了T个回归。然后我们有每个自变量的系数时间序列。然后我们可以使用系数的时间序列进行假设检验。通常我们取平均值作为每个自变量的最终系数。我们使用t-stats来检验显着性。我的问题我的问题是在pandas中实现它。从pandas的源代码中，我注意到有一个名为fam
我正在尝试使用pythonstatsmodels进行样本外预测。我不想只预测训练集末尾的下一个x个值，但我想一次预测一个值并在预测时考虑实际值。换句话说，我想做滚动1期预测，但我不想每次都重新校准模型。我能找到的最接近的帖子在这里:ARMAout-of-samplepredictionwithstatsmodels但是，这使用的是ARMA而不是ARIMA。我怎样才能用ARIMA实现这个或者有更好的方法吗？我知道我实际上可以提取系数并自己应用一个函数，但在我的代码中，我使用的ARIMA模型随着时间的推移是动态的，因此使用的系数和滞后值的数量不是恒定的。任何帮助将不胜感激。
使用Python3.4、Pandas0.15和Statsmodels0.6.0，我尝试创建一个mosaicplot来自Statsmodelsdocumentation中描述的数据框.但是，我只是不明白必须如何格式化提供给mosaic()函数的输入。给定一个简单的数据框:In:myDataframe=pd.DataFrame({'size':['small','large','large','small','large','small'],'length':['long','short','short','long','long','short']})Out:lengthsize0lon
我正在使用我认为是最新的statsmodel0.8.0运行下面的代码。importstatsmodels.apiassmest=sm.Logit(y_train,x_train)result=est.fit()print(result.summary())这给我一个错误提示:AttributeError:模块“scipy.stats”没有属性“chisqprob”。我似乎无法在stackoverflow或其他地方找到任何解决此问题的方法。非常感谢任何帮助。 最佳答案 试试这个:result.summary2()链接:http://w
