发布 0.6.1

statsmodels 0.6.1 是一个错误修复版本。建议所有用户升级到 0.6.1。

请参阅已修复问题的列表以了解具体的回溯修复。

发布 0.6.0

statsmodels 0.6.0 是另一个大型发布版本。这是过去一年中37位作者共同努力的成果，包含了超过1500次提交。它包含了许多新功能、改进和错误修复，详情如下。

查看具体的已关闭问题，请参见已修复问题列表。

以下是此版本中的主要新功能。

广义估计方程

广义估计方程（GEE）提供了一种处理回归分析中依赖数据的方法。依赖数据在实践中很常见，例如在纵向研究中，对受试者进行重复观察。GEE可以被视为广义线性模型（GLM）框架在依赖数据环境中的扩展。熟悉的GLM族，如高斯族、泊松族和逻辑族，可以用于适应具有各种分布的依赖变量。

这是一个在每个受试者有四个计数型重复测量的数据集中，使用GEE泊松回归的示例，并且有三个解释性协变量。

import numpy as np
import statsmodels.api as sm
import statsmodels.formula.api as smf

data = sm.datasets.get_rdataset("epil", "MASS").data

md = smf.gee("y ~ age + trt + base", "subject", data,
             cov_struct=sm.cov_struct.Independence(),
             family=sm.families.Poisson())
mdf = md.fit()
print(mdf.summary())

GEE中的依赖结构被视为一个干扰参数，并通过“工作依赖结构”进行建模。statsmodels GEE实现目前包括五种工作依赖结构（独立、可交换、自回归、嵌套以及用于处理分类数据的全局优势比）。由于GEE估计不是最大似然估计，因此已经开发了一些替代方法来处理一些常见的推断程序。statsmodels GEE实现目前提供了标准误差、Wald检验、任意参数对比的得分检验以及边际效应的估计和检验。提供了几种形式的标准误差，包括即使在指定的工作依赖结构错误时仍能近似正确的稳健标准误差。

季节性图表

添加功能以查看图表中的季节性。两个新函数是 sm.graphics.tsa.month_plot 和 sm.graphics.tsa.quarter_plot。另一个函数 sm.graphics.tsa.seasonal_plot 可供高级用户使用。

import statsmodels.api as sm
import pandas as pd

dta = sm.datasets.elnino.load_pandas().data
dta['YEAR'] = dta.YEAR.astype(int).astype(str)
dta = dta.set_index('YEAR').T.unstack()
date_str = [f"{yr}-{mo}-01" for yr, mo in dta.index.values]
dta.index = pd.DatetimeIndex(pd.to_datetime(date_str,format="%Y-%b-%d"), freq='MS')
fig = sm.tsa.graphics.month_plot(dta)

季节性分解

我们添加了一个简单的季节性分解工具，类似于R的decompose。这个函数可以在sm.tsa.seasonal_decompose中找到。

import statsmodels.api as sm

dta = sm.datasets.co2.load_pandas().data
# deal with missing values. see issue
co2 = dta.co2.interpolate()
res = sm.tsa.seasonal_decompose(co2)
res.plot()

(源代码, png, 高分辨率png, pdf)

../_images/version0-6-1.png

添加线性混合效应模型（MixedLM）

线性混合效应模型

线性混合效应模型用于涉及依赖数据的回归分析。这种数据在处理纵向研究设计或其他涉及对每个受试者进行多次观察的研究设计时出现。两种特定的混合效应模型是“随机截距模型”，其中单个组中的所有响应都根据特定于该组的值进行加性偏移，以及“随机斜率模型”，其中值遵循在观测协变量中线性的平均轨迹，斜率和截距都特定于该组。statsmodels的MixedLM实现允许为组指定任意随机效应设计矩阵，因此这些和其他类型的随机效应模型都可以拟合。

这是一个将随机截距模型拟合到纵向研究数据的示例：

import statsmodels.api as sm
import statsmodels.formula.api as smf
data = sm.datasets.get_rdataset('dietox', 'geepack', cache=True).data
md = smf.mixedlm("Weight ~ Time", data, groups=data["Pig"])
mdf = md.fit()
print(mdf.summary())

statsmodels LME 框架目前支持通过 Wald 检验和系数上的置信区间进行事后推断，轮廓似然分析，似然比检验，以及 AIC。当前实现的一些限制是它不支持更复杂的残差结构（它们总是同方差的），并且不支持交叉随机效应。我们希望在下一个版本中实现这些功能。

包装 X-12-ARIMA/X-13-ARIMA

现在可以从 statsmodels 调用 X-12-ARIMA 或 X-13ARIMA-SEATS。这些库必须单独安装。

import statsmodels.api as sm

dta = sm.datasets.co2.load_pandas().data
co2 = dta.co2.interpolate()
co2 = co2.resample('M').last()

res = sm.tsa.x13_arima_select_order(dta.co2)
print(res.order, res.sorder)

results = sm.tsa.x13_arima_analysis(co2)

fig = results.plot()
fig.set_size_inches(12, 5)
fig.tight_layout()

其他重要的新功能

  • 用于AR(I)MA估计的卡尔曼滤波Cython代码已经得到了显著优化。你可以预期速度提升一到两个数量级。

  • 添加了 sm.tsa.arma_order_select_ic。这是一个便捷函数，用于快速获取信息准则，以便在ARMA过程的初步顺序选择中使用。

  • 时间序列的绘图函数现在除了在sm.graphics.tsa命名空间下导入外，还在sm.tsa.graphics命名空间下导入。

  • 新的 distributions.ExpandedNormal 类实现了弱非正态分布的Edgeworth展开。

  • 新数据集：添加了新的数据集用于示例。sm.datasets.co2 是一个单变量时间序列数据集，包含每周的二氧化碳读数。它展示了趋势和季节性，并且包含缺失值。

  • 在 sm.stats.stattools.robust_skewness 和 sm.stats.stattools.robust_kurtosis 中分别添加了稳健的偏度和峰度估计器。在 sm.stats.stattools.medcouple 中添加了另一种稳健的偏度度量。

  • 新增到相关性工具的函数：corr_nearest_factor 在Frobenius范数中找到最接近给定方阵的因子结构相关矩阵；corr_thresholded 使用稀疏矩阵操作高效构建硬阈值相关矩阵。

  • 新 dot_plot 在图形中：点图是一种可视化小数据集的方法，能够立即传达图中每个点的身份。点图常见于元分析中，被称为“森林图”，但也可以在许多其他场景中使用。研究论文中出现的大多数表格都可以用点图来图形化表示。

  • statsmodels 添加了自定义警告到 statsmodels.tools.sm_exceptions。默认情况下，所有这些警告将在适当的时候被引发。如果需要，可以使用 warnings.simplefilter 来关闭它们。

  • 允许通过 eval_env 关键字参数控制用于通过 patsy 评估公式的命名空间。有关更多信息，请参阅 命名空间 文档。

主要修复的Bug

  • 公式中的NA处理现在已正确处理。Issue #805, Issue #1877.

  • 当使用具有对象数据类型的数组时，提供更好的错误信息。Issue #2013。

  • ARIMA 预测的差分阶数被硬编码为 d = 1。Issue #1562。

向后不兼容的更改和弃用

  • RegressionResults.norm_resid 现在是一个只读属性，而不是一个函数。

  • 函数 statsmodels.tsa.filters.arfilter 已被移除。这并不是计算递归AR滤波器，而是一个卷积滤波器。添加了两个具有更清晰名称的新函数 sm.tsa.filters.recursive_filter 和 sm.tsa.filters.convolution_filter。

开发总结与致谢

上一个版本（0.5.0）于2014年8月14日发布。自那时以来，我们总共关闭了528个问题，276个拉取请求和252个常规问题。有关更多信息，请参阅详细列表。

此版本是以下37位作者共同努力的结果，他们总共贡献了1531次提交。如果我们因任何原因未能将您的名字列在下文中，请与我们联系：

关于更改次数和贡献者列表的简介。

  • 亚历克斯·格里芬

  • 亚历克斯·帕里吉

  • 安娜·马丁内斯·帕尔多

  • 安德鲁·克莱格

  • 本·达菲尔德

  • 查德·富尔顿

  • 克里斯·克尔

  • 埃里克·蒋

  • Evgeni Burovski

  • gliptak

  • 汉斯-马丁·冯·高德克

  • 扬·舒尔茨

  • jfoo

  • 乔·汉德

  • 约瑟夫·珀克托德

  • jsphon

  • 贾斯汀·格拉纳

  • Kerby Shedden

  • 凯文·谢泼德

  • Kyle Beauchamp

  • Lars Buitinck

  • 马克斯·林克

  • 米罗斯拉夫·巴奇卡罗夫

  • m

  • Padarn Wilson

  • 保罗·霍布森

  • 皮特罗·巴蒂斯通

  • Radim Řehůřek

  • 拉尔夫·戈默斯

  • 理查德·T·盖伊

  • Roy Hyunjin Han

  • Skipper Seabold

  • 汤姆·奥格斯珀格

  • 特伦特·豪克

  • Valentin Haenel

  • 文森特·阿雷-邦多克

  • Yaroslav Halchenko

注意

通过运行 git log v0.5.0..HEAD --format='* %aN <%aE>' | sed 's/@/\-at\-/' | sed 's/<>//' | sort -u 获得。

在0.6.0开发周期中关闭的问题

在0.6.0中关闭的问题

GitHub 统计数据 2013/08/14 - 2014/10/15 (标签: v0.5.0)

我们总共关闭了528个问题，276个拉取请求和252个常规问题； 这是完整的列表（使用脚本tools/github_stats.py生成）：

此列表是自动生成的，可能不完整。

拉取请求 (276):

  • PR #2044: 增强：允许二元模型的单位区间。关闭 #2040。

  • PR #1426: 增强：将arima_process内容导入tsa.api

  • PR #2042: 修复contrast.py中的两个小拼写错误

  • PR #2034: 增强：处理带有公式的额外数据的缺失值

  • PR #2035: 维护：删除0.6的已弃用代码

  • PR #1325: 增强：基于正态分布添加Edgeworth展开

  • PR #2032: 文档：它是什么就是什么。

  • PR #2031: 增强：向用户公开patsy eval_env。

  • PR #2028: 增强：修复链接和族中的数值问题。

  • PR #2029: 文档：修复版本以匹配其他文档。

  • PR #1647: 增强：在非收敛时发出警告。

  • PR #2014: BUG: 修复ARIMA中d == 2的预测问题

  • PR #2013: 增强：在对象数据类型上提供更好的错误信息

  • PR #2012: 错误：2维1列 -> 1维。关闭 #322。

  • PR #2009: 文档：重构后更新。使用代码块。

  • PR #2008: 增强：为 MixedLM 添加包装器

  • PR #1954: 增强：PHReg 公式改进

  • PR #2007: BLD: 修复构建问题

  • PR #2006: BLD: 在清理时不生成cython。关闭 #1852。

  • PR #2000: BLD: 让 pip/setuptools 处理根本没有安装的依赖项。

  • PR #1999: Gee 偏移暴露 1994 重新基准

  • PR #1998: 错误/增强 Lasso 空模型重新基于

  • PR #1989: 错误/增强：WLS通用稳健协方差类型未使用白化，

  • PR #1587: 增强：包装 X12/X13-ARIMA AUTOMDL。关闭 #442。

  • PR #1563: 增强：为ARIMA模型添加plot_predict方法。

  • PR #1995: BUG: 修复问题 #1993

  • PR #1981: 增强：添加 covstruct 的 API。清理 __init__。关闭 #1917。

  • PR #1996: 开发：忽略 .venv 文件。

  • PR #1982: 参考：将 jac 重命名为 score_obs。关闭 #1785。

  • PR #1987: BUG tsa pacf, base bootstrap

  • PR #1986: Bug multicomp 1927 重新合并

  • PR #1984: 文档添加 gee.rst

  • PR #1985: 未居中的latex表格1929重新调整

  • PR #1983: BUG: 修复 compat asunicode

  • PR #1574: 文档：修复数学公式。

  • PR #1980: 文档：文档修复

  • PR #1974: 参考/文档 beanplot 更改默认颜色，添加笔记本

  • PR #1978: 增强：检查二元模型的输入

  • PR #1979: 错误: 拼写错误

  • PR #1976: 增强：为 SimpleTable 添加 _repr_html_

  • PR #1977: 错误：修复导入重构的受害者。

  • PR #1975: BUG: Yule walker 转换为浮点数

  • PR #1973: 参考：移动并公开webuse

  • PR #1972: TST: 添加对NumPy 1.9和matplotlib 1.4的测试

  • PR #1939: 增强：Binstar 构建文件

  • PR #1952: 参考/文档: 杂项

  • PR #1940: 参考：重构和加速混合LME

  • PR #1937: 增强：快速访问在线文档

  • PR #1942: 文档: 将README类型更改为rst

  • PR #1938: 增强：启用 Python 3.4 测试

  • PR #1924: Bug gee cov type 1906 rebased

  • PR #1870: 稳健协方差，fit中的cov_type

  • PR #1859: BUG: 不要在 k_ar == 0 时使用负索引。关闭 #1858。

  • PR #1914: 错误：LikelihoodModelResults.pvalues 使用 df_resid_inference

  • PR #1899: TST: 修复 pandas 索引的 assert_equal

  • PR #1895: Bug multicomp pandas

  • PR #1894: BUG修复更多ix索引情况以兼容pandas

  • PR #1889: BUG: 修复 ytick 位置 关闭 #1561

  • PR #1887: Bug pandas 兼容性断言

  • PR #1888: TST test_corrpsd 测试因子：向数据添加噪声

  • PR #1886: BUG pandas 0.15 兼容性问题在 grouputils 标签中

  • PR #1885: TST: corr_nearest_factor, 更多信息化的测试

  • PR #1884: 修复：为 pandas>=0.15 中的 pd.Categorical 添加兼容代码

  • PR #1883: BUG: 在 TransfGen 分布中添加 _ctor_param

  • PR #1872: TST: 修复 _infer_freq 以兼容 pandas .14+

  • PR #1867: 参考 covtype 拟合

  • PR #1865: 禁用tst分布1864

  • PR #1856: _spg_optim 返回目标函数值的历史记录

  • PR #1854: BLD: 不要在构建笔记本时硬编码路径。关闭 #1249

  • PR #1851: 维护：Cor 最近因子测试

  • PR #1847: 牛顿正则化

  • PR #1623: BUG Negbin 拟合正则化

  • PR #1797: 错误/增强：修复并改进常数检测

  • PR #1770: TST: 使用 -1 无常数项的方差分析，添加测试

  • PR #1837: 允许在使用公式时将组变量作为变量名传递

  • PR #1839: 错误：GEE 得分

  • PR #1830: BUG/ENH 使用 t

  • PR #1832: 使用scipy 0.14位置分布类时的TST错误

  • PR #1827: 线性模型的fit_regularized 重新基于1674

  • PR #1825: Phreg 1312 重新基于

  • PR #1826: Lme API 文档

  • PR #1824: Lme profile 1695 重新基于

  • PR #1823: Gee cat 子类 1694 重基

  • PR #1781: 增强：Glm 添加 score_obs

  • PR #1821: Glm 维护 #1734 重新基于

  • PR #1820: BUG: 恢复PR #1819中对conf_int的更改

  • PR #1819: 文档工作

  • PR #1772: 参考: cov_params 允许仅定义 cov_params_default 的情况

  • PR #1771: REF numpy >1.9 兼容性，索引到空切片关闭 #1754

  • PR #1769: 修复 ttest 1d

  • PR #1766: TST: TestProbitCG 增加 fcalls 的边界 关闭 #1690

  • PR #1709: BLD: 使构建扩展更加灵活

  • PR #1714: 进行中: fit_constrained

  • PR #1706: 参考：在测试中使用固定参数。关闭 #910。

  • PR #1701: 错误：修复错误的逻辑。当missing=’raise’且没有缺失数据时不抛出异常。

  • PR #1699: TST/ENH 标准化变换，重新参数化 TestProbitCG

  • PR #1697: 修复 statsmodels/statsmodels#1689

  • PR #1692: OSL 示例：删除了示例中的冗余单元格

  • PR #1688: Kshedden 混合重写了 #1398

  • PR #1629: 拉取请求以修复问题597中的带宽错误

  • PR #1666: 在sdist中包含pyx但不安装

  • PR #1683: TST: GLM 缩短随机种子关闭 #1682

  • PR #1681: Dotplot kshedden 对 1294 进行了 rebase

  • PR #1679: BUG: 修复预测处理偏移量和暴露的问题

  • PR #1677: 更新 RegressionModel.predict() 的文档字符串

  • PR #1635: 允许偏移量和暴露量与对数链接一起使用；引发异常…

  • PR #1676: SVAR 的测试

  • PR #1671: 增强：避免硬编码的带宽 – 使用现有的字典（+修正拼写错误）

  • PR #1643: 允许在协方差矩阵中利用矩阵结构

  • PR #1657: BUG: 修复重构受害者。

  • PR #1630: 文档: 拼写错误, “intercept”

  • PR #1619: 维护：数据集文档清理和文档的自动构建

  • PR #1612: BUG/ENH 修复 negbin 暴露 #1611

  • PR #1610: BUG/ENH 修复 llnull，额外关键字参数以重新创建模型

  • PR #1582: 错误：wls_prediction_std 修复权重处理，参见 987

  • PR #1613: 错误：修复比例 allpairs #1493

  • PR #1607: 测试：调整精度，CI Debian，Ubuntu 测试

  • PR #1603: 增强：允许在GLM中使用start_params

  • PR #1600: 清理：回归图修复

  • PR #1592: 文档：添加和修复

  • PR #1520: CLN: 重构后不再需要2to3

  • PR #1585: 最近邻1384重新基于

  • PR #1553: Gee maint 1528 重新基于

  • PR #1583: 错误：对于ARMA(0,0)，确保1维bse并修复摘要。

  • PR #1580: 文档：修复链接。[跳过持续集成]

  • PR #1572: 文档：修复链接标题 [跳过持续集成]

  • PR #1566: BLD: 修复 >= 3.3 Windows 构建中的复制粘贴路径错误

  • PR #1524: 增强：优化Cython代码。使用scipy blas函数指针。

  • PR #1560: 增强：允许在顺序选择中使用ARMA(0,0)

  • PR #1559: 维护：恢复从vbench PR丢失的提交

  • PR #1554: 在medcouple中引入的测试输出已被静音

  • PR #1234: 增强：稳健的偏度、峰度和中位数耦合度量

  • PR #1484: 增强：添加朴素季节性分解函数

  • PR #1551: 兼容性：修复在Python 2.6上失败的测试

  • PR #1472: 增强：在MultiComparison中使用人类可读的组名代替整数ID

  • PR #1437: 增强：接受非整数定义的聚类组

  • PR #1550: 修复测试 gmm poisson

  • PR #1549: TST: 修复本地失败的测试。

  • PR #1121: 进行中: 重构优化代码。

  • PR #1547: 兼容性：修正2.6的bit_length

  • PR #1545: 维护：修复遗漏的已弃用工具.rank的使用

  • PR #1196: 参考：确保在使用fft进行acf时为O(N log N)

  • PR #1154: 文档：为构建机器添加链接。

  • PR #1546: 文档：修复指向错误笔记本的链接

  • PR #1383: 维护：弃用rank以支持np.linalg.matrix_rank

  • PR #1432: 兼容性：从scipy添加NumpyVersion

  • PR #1438: 增强：避免使用“center”环境的选项。

  • PR #1544: BUG: Travis miniconda

  • PR #1510: CLN: 改进警告以避免通用警告消息

  • PR #1543: TST: 抑制L-BFGS-B的RuntimeWarning

  • PR #1507: 清理：静默测试输出

  • PR #1540: 错误：修正指数变换的导数。

  • PR #1536: 错误：为单个构建恢复coveralls

  • PR #1535: BUG: 修复2.6测试失败问题，将astype(str)替换为apply(str)

  • PR #1523: Travis miniconda

  • PR #1533: 文档：修复指向github上代码的链接

  • PR #1531: 文档：使用linkcheck修复过时的链接

  • PR #1530: 文档: 修复链接

  • PR #1527: 文档：更新文档添加常见问题页面

  • PR #1525: 文档: 更新包含Python 3.4构建笔记

  • PR #1518: 文档：请求发布说明和示例。

  • PR #1516: 文档：更新示例贡献文档以符合当前实践。

  • PR #1517: 文档：明确数据集的数据属性

  • PR #1515: 文档：修复损坏的链接

  • PR #1514: 文档：修复公式导入惯例。

  • PR #1506: 错误：Python 2.6中的格式和解码错误

  • PR #1505: TST: 测试 co2 load_data 在 Python 3 上的运行情况。

  • PR #1504: BLD: 新版R需要NAMESPACE文件。关闭 #1497。

  • PR #1483: 增强：一些用于处理日期的实用函数

  • PR #1482: 参考: 优先使用 filters.api 而不是 __init__

  • PR #1481: 增强：添加每周二氧化碳数据集

  • PR #1474: 文档：为标准过滤方法添加图表。

  • PR #1471: 文档：修复导入

  • PR #1470: 文档/构建: 从nbgenerate记录代码异常

  • PR #1469: 文档：修复错误链接

  • PR #1468: 维护：CSS修复

  • PR #1463: 文档：移除失效参数。更改默认关键字参数。关闭 #1462。

  • PR #1452: STY: 导入 pandas 为 pd

  • PR #1458: BUG/BLD: 在相对路径中排除沙箱，而不是绝对路径

  • PR #1447: 文档：仅在需要时构建和上传文档。

  • PR #1445: 文档: 示例登录页面

  • PR #1436: 文档：修复自动文档构建。

  • PR #1431: 文档：为getenv添加默认值。修复路径。添加print_info

  • PR #1429: 维护：使用随IPython一起提供的ip_directive

  • PR #1427: TST: 使测试静默运行

  • PR #1424: 增强：transform_slices 的一致结果

  • PR #1421: 增强：添加分组工具代码

  • PR #1419: Gee 1314 重新基于

  • PR #1414: TST 暂时重命名测试 probplot other 以跳过它们

  • PR #1403: Bug norm expan shapes

  • PR #1417: 参考：让子类保持与数据关联的kwds。

  • PR #1416: 增强：使handle_data可被子类覆盖。

  • PR #1410: 增强：处理缺失为无

  • PR #1402: 参考：将缺失数据处理作为类方法公开

  • PR #1387: 维护：修复失败的测试

  • PR #1406: 维护：工具改进

  • PR #1404: 测试修复广义线性模型的链接测试

  • PR #1396: 参考：减少多重检验的内存使用

  • PR #1380: 文档 :更新 vector_ar.rst

  • PR #1381: BLD: 在 egg_info 中不要检查 pip 的依赖项。关闭 #1267。

  • PR #1302: 错误：修正拼写错误。

  • PR #1375: STY: 移除未使用的导入并在setup.py中注释掉未使用的库

  • PR #1143: 文档：更新新工作流程的后端注释。

  • PR #1374: 增强：将 tsaplots 导入 tsa 命名空间。关闭 #1359。

  • PR #1369: 样式：Pep-8 清理

  • PR #1370: 增强：支持ARMA(0,0)模型。

  • PR #1368: 样式：Pep 8 清理

  • PR #1367: 增强：确保mle返回附加到结果。

  • PR #1365: 样式：导入和pep 8清理

  • PR #1364: 增强：去除硬编码的lbfgs。关闭 #988。

  • PR #1363: 错误：修正拼写错误。

  • PR #1361: 增强：将mlefit附加到结果而不是模型。

  • PR #1360: 增强：将adfuller导入tsa命名空间

  • PR #1346: 样式: PEP-8 清理

  • PR #1344: 错误：使用给定的ARMA缺失关键字。

  • PR #1340: 增强：防止ARMA收敛失败。

  • PR #1334: 增强：ARMA 阶数选择便利函数

  • PR #1339: 修复拼写错误

  • PR #1336: 参考: 去掉普通的断言。

  • PR #1333: STY: __all__ 应在导入之后。

  • PR #1332: 增强：向工具添加Bunch对象。

  • PR #1331: 增强：始终使用Unicode。

  • PR #1329: 错误：将元数据解码为utf-8。关闭 #1326。

  • PR #1330: 文档: 修正拼写错误。关闭 #1327。

  • PR #1185: 当直接从git主干安装pandas时，增加了对pandas的支持

  • PR #1315: 维护：更改回构建盒的路径

  • PR #1305: TST: 更新硬编码路径。

  • PR #1290: 增强：添加季节性绘图。

  • PR #1296: BUG/TST: 修复当 start == len(endog) 时的 ARMA 预测问题。关闭 #1295

  • PR #1292: 文档：清理示例文件夹和网页

  • PR #1286: 确保PeriodIndex通过tsa。关闭 #1285。

  • PR #1271: Silverman 增强 - 问题 #1243

  • PR #1264: GEE、GMM、sphinx警告的文档工作

  • PR #1179: 参考/测试: ProbPlot 现在使用 resettable_cache 并在绘图函数中添加了一些关键字参数

  • PR #1225: 三明治 mle

  • PR #1258: Gmm 新重构

  • PR #1255: 增强功能：将GEE添加到genmod

  • PR #1254: 参考：Results.predict 转换为数组并调整形状

  • PR #1192: TST: 在WLS.loglike更改后启用llf测试，参见 #1170

  • PR #1253: Wls llf 修复

  • PR #1233: 沙盒内核错误统一内核和置信区间

  • PR #1240: Kde 权重 1103 823

  • PR #1228: 在adfuller()文档中添加默认值标签

  • PR #1198: 修复拼写错误

  • PR #1230: BUG: 在完美拟合情况下resid_pearson的数值精度问题 #1229

  • PR #1214: 比较 lr 测试重新基于

  • PR #1200: BLD: 不要安装 *.pyx *.c MANIFEST.in

  • PR #1202: 维护：对backports进行排序以简化应用。

  • PR #1157: 测试精度

  • PR #1161: 添加一个用于同时对数似然和分数的拟合接口，适用于lbfgs，使用MNLogit进行测试

  • PR #1160: 文档: 将scipy版本从0.7更新到0.9.0

  • PR #1147: 增强：添加lbfgs用于拟合

  • PR #1156: 增强：在AR(I)MA中对0,0阶模型引发异常。关闭 #1123

  • PR #1149: BUG: 修复ARIMA的小数据问题。

  • PR #1092: 修复了RegressionModel中的重复svd

  • PR #1139: TST: 静默测试

  • PR #1135: 杂项样式

  • PR #1088: 增强：为泊松分布添加predict_prob方法

  • PR #1125: 参考/错误：一些GLM清理。在NegativeBinomial方差中使用了修剪后的结果。

  • PR #1124: 错误：修复当没有趋势时ARIMA预测的问题。

  • PR #1118: 文档: 更新 gettingstarted.rst

  • PR #1117: 更新 ex_arma2.py

  • PR #1107: 参考: 弃用 stand_mad。添加 center 关键字到 mad。关闭 #658。

  • PR #1089: 增强：对于泊松分布，exp(poisson.logpmf()) 表现更好。

  • PR #1077: 错误：允许在ARMAX预测中使用1维外生变量。

  • PR #1075: BLD: 修复在某些版本的easy_install上的构建问题。

  • PR #1071: 更新 setup.py 以修复在 OSX 上的安装问题

  • PR #1052: 文档: 更新贡献文档

  • PR #1136: RLS: 添加 IPython 工具以简化问题的回溯。

  • PR #1091: 文档: 小的git拼写错误

  • PR #1082: coveralls 支持

  • PR #1072: 笔记本示例标题单元格

  • PR #1056: 示例: 回归诊断

  • PR #1057: 兼容性：修复py3中get_rdatasets的缓存问题。

  • PR #1045: 文档/构建: 从 nbconvert 更新到 IPython 1.0。

  • PR #1026: 文档/构建: 在文档构建的环境中添加LD_LIBRARY_PATH。

问题 (252):

Last update: Oct 16, 2024