Python statsmodels ライブラリ完全ガイド

Python の statsmodels は、統計モデリングとデータ分析を行うための強力なライブラリです。本記事では、statsmodels の主な機能と使い方を、10個の具体的なコード例とともに紹介します。

1. statsmodels ライブラリの概要

  • 回帰分析、時系列解析、仮説検定、統計的検査などに対応。
  • NumPy や pandas と連携しやすく、結果の可視化も可能。
  • 計量経済学や統計学に基づいた解析をサポート。

インストール方法

pip install statsmodels

2. 主な機能とソースコード例（10選）

(1) 最小二乗法（OLS: Ordinary Least Squares）

import statsmodels.api as sm
import numpy as np

x = np.array([1, 2, 3, 4, 5])
y = np.array([1, 2, 1.3, 3.75, 2.25])
x = sm.add_constant(x)
model = sm.OLS(y, x).fit()
print(model.summary())

(2) ロジスティック回帰（Logit）

x = np.array([1, 2, 3, 4, 5])
y = np.array([0, 0, 1, 1, 1])
x = sm.add_constant(x)
logit_model = sm.Logit(y, x).fit()
print(logit_model.summary())

(3) 時系列モデル（ARIMA）

import pandas as pd

data = pd.Series(np.random.randn(100))
model = sm.tsa.ARIMA(data, order=(1, 1, 1)).fit()
print(model.summary())

(4) 仮説検定（T検定）

from statsmodels.stats.weightstats import ttest_ind

a = np.random.normal(0, 1, 30)
b = np.random.normal(0.5, 1, 30)
result = ttest_ind(a, b)
print(result)

(5) 一般化線形モデル（GLM）

import statsmodels.formula.api as smf

data = {'x': [1,2,3,4,5], 'y': [1,3,4,6,8]}
model = smf.glm(formula='y ~ x', data=data, family=sm.families.Gaussian()).fit()
print(model.summary())

(6) 主成分分析（PCA）

from statsmodels.multivariate.pca import PCA

data = np.random.rand(100, 5)
pca = PCA(data, ncomp=2)
print(pca.factors)

(7) バイナリアウトカムのプロビットモデル

probit_model = sm.Probit(y, x).fit()
print(probit_model.summary())

(8) 分散分析（ANOVA）

from statsmodels.formula.api import ols
import pandas as pd

data = pd.DataFrame({
    'score': [90, 80, 75, 65, 70, 60],
    'group': ['A', 'A', 'B', 'B', 'C', 'C']
})
model = ols('score ~ C(group)', data=data).fit()
from statsmodels.stats.anova import anova_lm
anova_table = anova_lm(model)
print(anova_table)

(9) QQプロット（正規性の検定）

import matplotlib.pyplot as plt

data = np.random.normal(0, 1, 100)
sm.qqplot(data, line='s')
plt.show()

(10) 自己相関プロット（ACF）

from statsmodels.graphics.tsaplots import plot_acf

series = np.random.randn(100)
plot_acf(series, lags=20)
plt.show()

3. まとめ

statsmodels は、Python における高度な統計モデリングと推定分析に不可欠なライブラリです。各種回帰分析や時系列解析、統計的仮説検定まで、豊富な機能を簡単に活用することができます。

研究や業務で統計解析を必要とする方は、statsmodels を積極的に取り入れることでより質の高い分析が実現できます。📊