📊

statsmodels

Name: statsmodels
Author: K-Dense-AI

Seguro ⚡ Contém scripts⚙️ Comandos externos🌐 Acesso à rede

Aplicar modelos estatísticos com statsmodels

Também disponível em: davila7

Realize análises estatísticas rigorosas usando OLS, GLM, ARIMA e modelos de escolha discreta. Obtenha resultados prontos para publicação com diagnósticos completos, tabelas de coeficientes e análise de resíduos.

Suporta: Claude Codex Code(CC)

📊 70 Adequado

Baixar o ZIP da skill

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

Ative e comece a usar

Testar

A utilizar "statsmodels". Ajuste um modelo OLS com erros padrão robustos e mostre os diagnósticos principais

Resultado esperado:

Resultados da Regressão OLS:
R-squared: 0.452
Coeficiente (X1): 2.31 (p < 0.001)
EP Robusto HC3: 0.42
Teste de heterocedasticidade (Breusch-Pagan): p = 0.23 (não rejeitado)
Teste de normalidade (Jarque-Bera): p = 0.41 (não rejeitado)

Auditoria de Segurança

Seguro

v4 • 1/17/2026

Documentation-only skill containing markdown files with Python code examples. Static scanner flagged 434 alerts but all are false positives. The skill contains no executable code - only documentation for the statsmodels statistical library. Scanner misinterpreted markdown backticks as shell commands, statistical terms (HC2, HC3) as C2 indicators, and common patterns as cryptographic algorithms.

Arquivos analisados

4,331

Linhas analisadas

achados

Total de auditorias

Fatores de risco

⚡ Contém scripts (8)

EVALUATION_OUTPUT.json:51 EVALUATION_OUTPUT.json:54 references/discrete_choice.md:94-95 references/discrete_choice.md:328-329 references/discrete_choice.md:448-449 references/time_series.md:114 references/time_series.md:118 references/time_series.md:189

⚙️ Comandos externos (353)

🌐 Acesso à rede (5)

skill-report.json:6 SKILL.md:608 SKILL.md:609 SKILL.md:610 SKILL.md:611

Auditado por: claude Ver Histórico de Auditoria →

Pontuação de qualidade

Arquitetura

100

Manutenibilidade

Conteúdo

Comunidade

100

Segurança

Conformidade com especificações

O Que Você Pode Construir

Análise de regressão

Ajuste modelos lineares e lineares generalizados com erros padrão robustos e testes diagnósticos

Modelagem econométrica

Estime efeitos causais com inferência adequada, testes de hipótese e comparação de modelos

Previsão de séries temporais

Construa modelos ARIMA para previsão com intervalos de confiança e diagnósticos de resíduos

Tente Estes Prompts

Regressão básica

Ajuste um modelo de regressão OLS usando statsmodels com erros padrão robustos. Mostre o resumo dos coeficientes e teste a heterocedasticidade.

Regressão logística

Construa um modelo de regressão logística para um resultado binário. Calcule razões de chances, efeitos marginais e métricas de classificação.

Série temporal

Analise estes dados de série temporal com ARIMA. Verifique estacionaridade, identifique a ordem do modelo, ajuste o modelo e gere previsões de 12 passos com intervalos de previsão.

Comparação de modelos

Compare várias especificações de modelo usando AIC, BIC e testes de razão de verossimilhança. Recomende o melhor modelo com justificativa.

Melhores Práticas

Sempre adicione a constante com sm.add_constant() a menos que exclua deliberadamente a interceptação
Teste as suposições do modelo (heterocedasticidade, normalidade, autocorrelação) após o ajuste
Use erros padrão robustos (HC0-HC3) quando violações de suposições forem detectadas
Relate intervalos de confiança junto com estimativas pontuais para inferência

Evitar

Esquecer de adicionar a constante leva a estimativas enviesadas da interceptação
Ignorar a heterocedasticidade invalida a inferência
Usar OLS para resultados binários produz probabilidades incorretas
Não verificar observações influentes antes da interpretação

Perguntas Frequentes

Qual é a diferença entre OLS e GLM?

OLS assume erros normalmente distribuídos com variância constante. GLM estende isso para resultados não normais usando diferentes distribuições e funções de ligação.

Como escolho entre Logit e Probit?

Ambos funcionam de forma semelhante para resultados binários. Logit tem caudas mais grossas. Use Logit para interpretação mais fácil (razões de chances) ou Probit por razões teóricas.

Que ordem devo usar para ARIMA?

Use gráficos ACF/PACF para identificar p (ordem AR) e q (ordem MA). Use o teste ADF para estacionaridade para determinar d (diferenciação).

Quando devo usar erros padrão robustos?

Use SEs robustos quando há heterocedasticidade ou quando há agrupamento nos dados que induz correlação.

Como comparo modelos aninhados?

Use o teste de razão de verossimilhança. Para modelos não aninhados, compare valores de AIC ou BIC. AIC/BIC menor indica melhor ajuste.

Que testes diagnósticos devo executar após o ajuste?

Teste heterocedasticidade (Breusch-Pagan), normalidade (Jarque-Bera), autocorrelação (Durbin-Watson) e verifique observações influentes (distância de Cook).