- 综合排序
- 最热优先
- 最新优先
- 来自专栏量化小白上分记
Fama-Macbeth 回归和Newey-West调整
Python实现 Python的linearmodels中自带FamaMacBeth函数，本文一方面调用这一函数，另一方面自己写，用两种方法实现Fama Macbeth回归，确保结果的准确性。 3.1 数据载入 from linearmodels import FamaMacBeth import numpy as np import pandas as pd import datetime 获取数据源码，后台回复"famamacbeth" 参考文献 [1]https://bashtage.github.io/linearmodels/panel/models.html#linearmodels.panel.model.FamaMacBeth
14.8K109发布于 2019-12-30 - 来自专栏DeepHub IMBA
Python实现固定效应回归模型实现因果关系推断
模块linearmodels提供PandelOLS进行固定效果模型。entity_effects=True表示模拟企业特定因素。这意味着为11家公司创建10（N-1）个虚拟变量。 # Coding method 1 from linearmodels.panel import PanelOLS import statsmodels.api as sm exog = sm.add_constant # Coding method 1 from linearmodels.panel import PanelOLS import statsmodels.api as sm exog = sm.add_constant 模型1：实体效果+时间效果 # Coding method 1 from linearmodels.panel import PanelOLS import statsmodels.api as 模型3：汇总OLS # Coding method 1 from linearmodels.panel import PanelOLS import statsmodels.api as sm exog
5.2K41发布于 2020-05-09 - 来自专栏信数据得永生
Python 因果推断（上）
pip install linearmodels Requirement already satisfied: linearmodels in c:\anaconda\envs\textbook\lib (4.17) Requirement already satisfied: scipy>=1 in c:\anaconda\envs\textbook\lib\site-packages (from linearmodels from linearmodels.iv import IV2SLS iv = 'Preference_for_Leisure ~ 1 + Border_Distance_in_Km + t_dist pip install linearmodels Requirement already satisfied: linearmodels in c:\anaconda\envs\textbook\lib from linearmodels import RandomEffects re = RandomEffects(Y, df[['const', 'st_louis_fed']]) print(re.fit
97511编辑于 2024-01-31 - 来自专栏数据分析
[数据分析]工具变量：寻找一个神奇的"代理"
statsmodels.api as smimport matplotlib.pyplot as pltimport seaborn as snsfrom scipy import statsfrom linearmodels.iv iv_model = IV2SLS.from_formula(formula, data=df).fit() print("="*60) print("正式2SLS估计结果（使用linearmodels 还有其他工具变量估计方法，如LIML，对弱工具变量更稳健：# LIML估计def liml_estimation(df): """有限信息最大似然估计""" try: from linearmodels.iv liml_model.summary) return liml_model except ImportError: print("LIML估计需要更新版本的linearmodels ("两个工具变量的2SLS估计:") print(iv_model_two.summary) # 过度识别检验（Sargan检验） # 注意：linearmodels
53200编辑于 2025-09-22 - 来自专栏机器学习AI算法工程
Python股票数据分析
导入的模块: import matplotlib.pyplot as plt import seaborn as sns import seaborn.linearmodels as snsl from
3.5K80发布于 2018-03-14 - 来自专栏灯塔大数据
深度|Python股票数据分析
导入的模块: import matplotlib.pyplot as plt import seaborn as sns import seaborn.linearmodels as snsl from
2.7K61发布于 2018-04-08 - 来自专栏相约机器人
用于时间序列预测的AutoML
测试了CatBoost（没有GPU的速度太慢）和LinearModels（不够精确）。
2.2K20发布于 2020-01-17 - 来自专栏数据分析
[数据分析]双重差分法：政策效果评估的利器
# 标准误比较def compare_standard_errors(model, df): """比较不同标准误调整方法""" import linearmodels as lm from linearmodels.panel import PanelOLS # 准备面板数据 df_panel = df.set_index(['id', 'period']) # 使用linearmodels进行面板数据估计 # 注意：这里需要将数据转换为适合面板分析的形式 try: # 双向固定效应模型 panel_model = PanelOLS.from_formula '聚类标准误': '需要完整面板数据模型' # 实际应用中这里应该是具体数值 } except: se_comparison = {'提示': '需要安装linearmodels
1.1K20编辑于 2025-09-22 - 来自专栏量化小白上分记
基于高阶矩的行业轮动
4.代码 import os import pandas as pd import numpy as np import datetime from linearmodels import FamaMacBeth
1.4K40发布于 2019-12-31 - 来自专栏机器学习AI算法工程
python常用可视化技巧
代码和结果图如下： import matplotlib.pyplot as plt plt.figure(figsize=(12, 10)) _ = sns.linearmodels.corrplot(
2.7K70发布于 2018-03-15 - 来自专栏信数据得永生
Python 因果推断（下）
不要使用库“linearmodels”。使用库“statsmodels”手动进行 2SLS。 5）暴露于巴勒斯坦股票是否会降低投票右翼政党的概率？运行一些回归来证明你的立场。
56010编辑于 2024-01-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号