statsmodels (Python)
statsmodels es una biblioteca de Python para estimar modelos estadísticos y econométricos, realizar pruebas de hipótesis y analizar series temporales, útil para el análisis cuantitativo de datos económicos y de innovación.
Qué ofrece
statsmodels nació a partir de un módulo de modelos estadísticos escrito por Jonathan Taylor para SciPy, que Skipper Seabold y Josef Perktold corrigieron, ampliaron y publicaron como paquete independiente en 2009, en el marco del programa Google Summer of Code. Sus autores lo concibieron como una alternativa en Python a R y a programas comerciales como Stata o SAS, y la mayoría de sus resultados se contrastan con los de esos programas.
Modelos
- Regresión: mínimos cuadrados ordinarios, ponderados y generalizados, modelos robustos, modelos lineales generalizados y modelos de efectos mixtos.
- Variables discretas: modelos logit, probit, multinomiales y de recuento, como Poisson.
- Series temporales: modelos ARIMA, vectores autorregresivos (VAR) y modelos de espacio de estados.
- Otros: análisis de supervivencia, métodos no paramétricos, método generalizado de momentos y estadística multivariante.
Pruebas y presentación
Incluye pruebas de heterocedasticidad, autocorrelación y especificación, contrastes de hipótesis sobre los coeficientes, imputación de datos ausentes y gráficos de diagnóstico. Los modelos pueden especificarse con fórmulas similares a las de R a partir de tablas de Pandas y los resultados se presentan en tablas de resumen con los estadísticos habituales.
Uso y valoración
statsmodels resulta útil cuando el análisis de datos se hace en Python y requiere inferencia estadística, no solo predicción: estimar los determinantes de la innovación en las empresas con modelos logit a partir de encuestas, analizar la evolución y las relaciones dinámicas entre indicadores como el gasto en I+D y el crecimiento, o contrastar hipótesis sobre el efecto de una variable. Se integra con el resto de herramientas de análisis de datos en Python.
Su amplitud no lo cubre todo: los modelos de datos de panel con muchos efectos fijos o los de econometría espacial se resuelven mejor con bibliotecas especializadas. Exige, además, programar en Python y conocer los fundamentos estadísticos de los modelos para especificarlos e interpretarlos y su documentación es técnica.
Ficha técnica
- Desarrollador: comunidad de desarrolladores de statsmodels, iniciada por Jonathan Taylor, Skipper Seabold y Josef Perktold.
- Modelo de acceso: gratuito y de código abierto (licencia BSD).
- Plataforma: biblioteca de Python, instalable con pip o conda.
- Idioma: documentación en inglés.
- Cuenta: no requiere.
- Alternativas: Stata, programa comercial de estadística y econometría; fixest (R) es su equivalente para datos de panel.