AIKraft/Skills/statsmodels

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.

KDK-Dense official Данные ★ 47.7k

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

  1. Установить пакет в выделенной среде с использованием uv pip install, соблюдая указанные версии зависимостей (statsmodels 0.15.0, numpy 2.5.3 и др.)
  2. Импортировать модули через statsmodels.api и statsmodels.formula.api для стабильного высокоуровневого доступа, используя прямые импорты для специализированных классов
  3. Подготовить данные и выбрать соответствующую модель, учитывая требования к дизайну исследования для обеспечения причинно-следственной идентификации
  4. Выполнить оценку модели (fit) и извлечь результаты, используя аргумент result_object=True и именованные поля для тестов (например, ADF/KPSS)
  5. Провести диагностику адекватности модели и интерпретировать коэффициенты, стандартные ошибки и доверительные интервалы
  6. При необходимости использовать параметр rng= для управления случайностью, избегая устаревших аргументов seed или random_state

Примеры запросов агенту

Подбери модель OLS для данных о зарплатах, выведи таблицу коэффициентов и проведи диагностику остатков
Проанализируй временной ряд продаж: проверь стационарность тестом АДФ, построй модель SARIMAX и сделай прогноз с доверительным интервалом
Оцени параметры логит-модели с помощью GLM и рассчитай маржинальные эффекты для ключевых переменных

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

1Скачать навык
# возьмите папку навыка «statsmodels» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r statsmodels/ ~/.claude/skills/statsmodels/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.