Statsmodels: Modelagem Estatística e Econometria

Visão Geral

O Statsmodels fornece estimação, inferência e diagnósticos para modelos de regressão, séries temporais e econométricos. Um ajuste bem-sucedido estabelece a execução numérica; identificação causal, incerteza calibrada e adequação do modelo exigem um design de estudo e suposições defensáveis.

Compatibilidade Atual

Revisado contra o statsmodels 0.15.0 (lançado em 27 de agosto de 2026). Verificações nativas usaram Python 3.13, NumPy 2.5.3, SciPy 1.18.1, pandas 3.0.6, matplotlib 3.11.2 e scikit-learn 1.9.1. Instale em um ambiente dedicado:

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

Use statsmodels.api e statsmodels.formula.api para importações de alto nível estáveis, e importações diretas de módulos quando os exemplos exigirem classes mais novas ou especializadas, como HurdleCountModel.

O registro de revisão e origem registra a cobertura da API e os limites de verificação. O guia de início rápido é executável; referências de tópicos são fragmentos contextuais que exigem os dados nomeados e um resultado de modelo correspondente. Em 0.15, use result_object=True e campos nomeados para testes ADF/KPSS e outros testes em transição; prefira rng= onde o statsmodels anteriormente aceitava seed ou random_state.

Quando Usar Esta Habilidade

Esta habilidade deve ser usada quando:

• Ajustar modelos de regressão (OLS, WLS, GLS, regressão quantílica)
• Realizar modelagem linear generalizada (logística, Poisson, Gamma, etc.)
• Analisar resultados discretos (binários, multinomiais, contagens, ordinais)
• Conduzir análise de séries temporais (ARIMA, SARIMAX, VAR, previsão)
• Executar testes estatísticos e diagnósticos
• Testar suposições do modelo (heterocedasticidade, autocorrelação, normalidade)
• Detectar outliers e observações influentes
• Comparar modelos (AIC/BIC, testes de razão de verossimilhança)
• Estimar efeitos causais
• Produzir tabelas estatísticas e inferências prontas para publicação

Início Rápido, Capacidades e Seleção de Modelo

• references/quick_start_guide.md: exemplos práticos mínimos para OLS, regressão logística, ARIMA e GLM, e como ler o resumo.
• references/modeling_capabilities.md: modelos lineares, GLMs, escolha discreta, séries temporais, e os testes estatísticos e diagnósticos.
• references/model_selection.md: a API de fórmula estilo R e comparação de modelos.
• Detalhes por tópico: references/linear_models.md, references/glm.md, references/discrete_choice.md, references/time_series.md, e references/stats_diagnostics.md.

O statsmodels suporta inferência e previsão, incluindo projeções. Combine a validação com o design da amostragem: divisões agrupadas para unidades repetidas, divisões cronológicas para séries temporais e pré-processamento aprendido apenas em dados de treinamento.

Melhores Práticas

Preparação de Dados

1. Especificar a interceptação: OLS/GLM/Logit baseados em array precisam de uma constante explícita; modelos de fórmula incluem uma por padrão. OrderedModel e ConditionalLogit não devem receber uma constante.
2. Verificar valores ausentes: Para modelos baseados em array, use missing="raise" durante a construção para capturar NaNs inesperados; o padrão missing="none" não verifica e pode gerar estimativas totalmente NaN. Se a exclusão de linhas for justificada, registre os IDs das linhas retidas e compare modelos nas mesmas observações. Ajuste qualquer imputação apenas em dados de treinamento.
3. Escalar se necessário: Pode melhorar o condicionamento e a convergência; registre as unidades e estime a escala em dados de treinamento.
4. Codificar categóricas: Use a API de fórmula ou codificação dummy manual.

Construção de Modelo

1. Comece simples: Comece com um modelo básico, adicione complexidade conforme necessário.
2. Verificar suposições: Teste resíduos, heterocedasticidade, autocorrelação.
3. Usar modelo apropriado: Combine o modelo com o tipo de resultado (binário→Logit, contagem→Poisson).
4. Considerar alternativas: Se as suposições forem violadas, use métodos robustos ou um modelo diferente.

Inferência

1. Relatar tamanhos de efeito: Não apenas valores p.
2. Usar SEs robustos: Quando houver heterocedasticidade ou agrupamento presente.
3. Comparações múltiplas: Corrigir ao testar muitas hipóteses.
4. Intervalos de confiança: Sempre relatar junto com as estimativas pontuais.

Avaliação de Modelo

1. Verificar resíduos: Plotar resíduos vs. ajustados, gráfico Q-Q.

…