statsmodels · k-dense-ai — скилл для Claude Code: регрессии и эконометрика

Что делает statsmodels

Скилл описывает работу с statsmodels в Python: линейные модели (OLS, WLS, GLS, квантильная регрессия), обобщённые линейные модели, дискретный выбор, счётные и порядковые исходы, ARIMA, SARIMAX, VAR и прогнозирование. Отдельно разобраны тесты и диагностика: гетероскедастичность, автокорреляция, нормальность остатков, выбросы и влиятельные наблюдения, сравнение моделей по AIC/BIC и тесту отношения правдоподобия.

Внутри — набор справочных файлов: быстрый старт с минимальными примерами OLS, логистической регрессии, ARIMA и GLM, обзор возможностей моделирования, выбор модели и формульный API в стиле R, плюс отдельные файлы по линейным моделям, GLM, дискретному выбору, временным рядам и диагностике. Агенту разрешены Read, Write, Edit и Bash.

Нужен Python 3.10+ и statsmodels 0.15.0; протестированный стек NumPy 2.5.3 и SciPy 1.18.1 требует Python 3.12+. Для графиков нужен matplotlib, для метрик прогноза — scikit-learn. Сеть требуется только на установку и чтение документации, учётные данные не нужны. Установка в отдельное окружение: uv pip install 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. Если версии NumPy и SciPy не совпадут с проверенными, поведение тестов из 0.15 может отличаться — в этой версии часть тестов перешла на result_object=True и именованные поля, а вместо seed и random_state используется rng=.