statsmodels
Подбирает и диагностирует статистические модели Python: OLS, GLM, дискретные, смешанные модели, ARIMA и SARIMAX. Включает вывод коэффициентов, маржинальные эффекты, сравнение моделей и прогнозирование временных рядов с проверкой неопределенности. Подходит для эконометрики и статистического моделирования.
Что делает навык
Statsmodels обеспечивает оценку, статистический вывод и диагностику для регрессионных, временных рядов и эконометрических моделей. Он позволяет подбирать модели, проверять их адекватность и оценивать неопределенность, однако для причинно-следственного вывода требуется корректный дизайн исследования.
Когда применять
- Оценка параметров и проверка гипотез для линейных моделей (OLS) и обобщенных линейных моделей (GLM)
- Анализ временных рядов с помощью моделей ARIMA и SARIMAX, включая прогнозирование
- Диагностика стационарности рядов с использованием тестов АДФ (ADF) и КПСС (KPSS)
- Расчет маржинальных эффектов и сравнение различных спецификаций моделей
- Работа с дискретными и смешанными моделями, включая специализированные классы, такие как HurdleCountModel
Как работает
- Установить пакет в выделенной среде с использованием uv pip install, соблюдая указанные версии зависимостей (statsmodels 0.15.0, numpy 2.5.3 и др.)
- Импортировать модули через statsmodels.api и statsmodels.formula.api для стабильного высокоуровневого доступа, используя прямые импорты для специализированных классов
- Подготовить данные и выбрать соответствующую модель, учитывая требования к дизайну исследования для обеспечения причинно-следственной идентификации
- Выполнить оценку модели (fit) и извлечь результаты, используя аргумент result_object=True и именованные поля для тестов (например, ADF/KPSS)
- Провести диагностику адекватности модели и интерпретировать коэффициенты, стандартные ошибки и доверительные интервалы
- При необходимости использовать параметр rng= для управления случайностью, избегая устаревших аргументов seed или random_state
Примеры запросов агенту
Что понадобится
- Python 3.13, statsmodels 0.15.0, numpy 2.5.3, scipy 1.18.1, pandas 3.0.6, matplotlib 3.11.2, scikit-learn 1.9.1
Описание составлено по SKILL.md навыка, сверено 11.10.2026.
Как подключить
SKILL.md к навыкам ассистентаНавык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.