Migración desde Stata para Python

Question

Algunos compañeros de trabajo que han estado luchando con Stata 11 están pidiendo mi ayuda para tratar de automatizar su trabajo laborioso. Utilizan principalmente 3 comandos en Stata:

tsset (conjuntos de un análisis de series de tiempo)

como en: tsset year_column, yearly

varsoc (Obtener estadísticos de selección de retardo de orden para los VARs)

como en: varsoc column_a column_b

vec (vector modelo de corrección de errores)

como en: vec column_a column_b, trend(con) lags(1) noetable

---

¿Alguien sabe cualquier biblioteca científica que puedo usar a través de pitón para esta misma funcionalidad?

Answer 1

Creo que tanto scikits.timeseries y econpy / pytrix implementan métodos de vectores autorregresivos, pero no han puesto ya sea a través de sus pasos.

Answer 2

scikits.timeseries es principalmente para el manejo de datos y sólo tiene algunos estadístico, análisis econométrico y no vectorautoregression. pytrix tiene algunas funciones econometría pero también hay VAR. (Por lo menos la última vez que miré.)

scikits.statsmodels y pandas ambos tienen VAR, pandas también lo hace el manejo de series temporales de datos. No he visto ningún modelo de vector de corrección de errores en pitón todavía, pero scikits.statsmodels se está acercando.

http://groups.google.ca/group/pystatsmodels?hl= es & pli = 1

Answer 3

Salida scikits.statsmodels.tsa.api.VAR (puede ser necesario para obtener la última versión de desarrollo - uso Google) y, en la salida de la documentación para ello:

http://statsmodels.sourceforge.net/devel/vector_ar.html#var

Estos modelos se integran con los pandas también. Voy a estar trabajando en los próximos meses para mejorar la integración de los pandas con el resto de statsmodels

vector de corrección de error modelos no se han aplicado todavía, pero están en la lista TODO!

Answer 4

Uso Rpy2 y llamar el paquete R var.

Answer 5

No tengo absolutamente ninguna idea de lo que cualquiera de los que lo hacen, pero NumPy y SciPy. Tal vez Sage o sympy.