statsmodels

Statsmodels 是一個強大的 Python 函式庫，專為嚴謹的統計建模、計量經濟學分析與時間序列預測而設計。它提供了一套完整的工具，用於參數估計、統計推論與診斷測試，對於需要精確控制模型結構與高保真輸出的研究人員、資料科學家與分析師而言，是不可或缺的工具。此技能協助將高階統計方法應用於複雜數據集，透過詳細的診斷與模型假設驗證確保結果準確。無論您是進行學術研究、財務預測還是工業資料分析，此技能都能運用專業級的統計技術產生具備行動價值的見解。

• 廣泛的模型支援，包括 OLS（普通最小平方法）、WLS（加權最小平方法）、GLS（廣義最小平方法）與分位數迴歸。

• 進階廣義線性模型 (GLM)，提供多種分佈族群，如二項分佈、卜瓦松分佈、負二項分佈與伽瑪分佈。

• 強大的時間序列分析工具，用於 ARIMA、SARIMAX、VAR 與波動率建模，並內建平穩性測試。

• 全面的診斷套件，用於檢測異質變異數、自相關與殘差常態性。

• 離散結果分析，包含二元、多項與順序模型。

• 影響力統計與異常觀測值檢測，包含庫克距離 (Cook's distance) 與槓桿值分數。

• 可直接用於發表的統計推論輸出，具備詳細的係數表、p 值與信賴區間。

• 在擬合線性模型時務必透過加入常數項來準備數據，因為 Statsmodels 預設不會自動加入截距。

• 使用 AIC（赤池資訊準則）與 BIC（貝氏資訊準則）等模型比較指標來優化模型選擇。

• 輸入要求通常包含 Pandas DataFrames 或 NumPy 陣列，適用於解釋變數 (X) 與應變數 (y)。

• 輸出以結果物件形式回傳，包含摘要統計、帶有預測區間的預測物件以及診斷指標。

• 若需導引式選擇基本統計測試並產生簡化的 APA 風格報告，建議搭配「statistical-analysis」技能一同使用。

• 本函式庫與 Matplotlib 高度相容，適用於視覺化模型診斷、殘差圖與自相關函數。