          Python計(jì)量培訓(xùn)

Python計(jì)量
1 數(shù)據(jù)清洗
01. 降維

02.數(shù)組計(jì)算

03.數(shù)組排序

04.數(shù)據(jù)框(DataFrame)的構(gòu)造

05. 數(shù)據(jù)框(DataFrame)排序

06. 數(shù)列(Series)索引合并

07. 數(shù)據(jù)框(DataFrame)索引合并

08. 數(shù)據(jù)歸一化

09. 增加可選列

10. 刪除可選列 or 行

11. 選取小樣本

12. 合并數(shù)據(jù)框

13. 數(shù)值替代

14. 基本統(tǒng)計(jì)量填補(bǔ)缺失值

15. 回歸計(jì)算結(jié)果填補(bǔ)缺失值

2 數(shù)據(jù)統(tǒng)計(jì)(包含常規(guī)統(tǒng)計(jì)檢驗(yàn)和非參統(tǒng)計(jì)檢驗(yàn) )
2.1.1. 基本統(tǒng)計(jì)量的計(jì)算,22,17

2.1.2. T檢驗(yàn),25,6

2.1.3. 方差分析(ANOVA),34,57

2.1.4. 卡方檢驗(yàn),28,25

2.2.5威爾科克森秩和檢驗(yàn)、威爾科克森符號秩和檢驗(yàn)、KW檢驗(yàn)、弗里德曼檢驗(yàn)

數(shù)據(jù)分析（包含截面數(shù)據(jù).時(shí)間序列和面板數(shù)據(jù)回歸）
3.1.1. 單純的一元回歸

3.1.2. 更靠譜的多元回歸

3.1.3. 工具變量-兩階段小二乘法(2SLS)

3.1.4. 工具變量-廣義矩估計(jì)(GMM)

3.1.5. 倍分法(DID)

3.1.6. 二分類Logit回歸

3.1.7. 多值型Logit回歸

3.1.8. 定序Logit回歸

3.1.9計(jì)數(shù)變量回歸

3.1.10. 主成分分析和因子分析

3.2.1. 單變量時(shí)間序列

3.2.2. 向量自回歸

3.2.3. 協(xié)整檢驗(yàn)

3.3.1混合效應(yīng)模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型

使用statsmodels.OLS擬合一個(gè)模型
OLS上機(jī)操作實(shí)例