技能 statsmodels

📦

statsmodels

Name: statsmodels
Author: K-Dense-AI

內容修訂 r1 低風險 ⚡ 包含腳本⚙️ 外部命令🌐 網路存取

將 Statsmodels 用於統計建模

統計建模通常需要謹慎選擇模型、執行診斷並進行詮釋。此技能會引導 Claude、Codex 和 Claude Code 透過 statsmodels 工作流程進行嚴謹的 Python 分析。

支援: Claude Codex Code(CC)

📊 72 尚可

Maintain this Skill? Claim it 📊 72 尚可

使用我的智慧代理安裝

將此請求複製給你的智慧代理，其中包含權威 Skill 頁面和清單。

智能體請求

Review the Skillstore skill "statsmodels" from https://skillstore.io/skills/k-dense-ai-statsmodels.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-statsmodels/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

你的智慧代理仍應顯示其計畫，並依安全政策請求必要確認。

Agent 可讀資源

當 AI Agent、爬蟲或腳本需要乾淨脈絡、而不是讀取完整頁面時，請使用這些連結。

Markdown 詳情 GET /skills/k-dense-ai-statsmodels.md 已簽名 manifest GET /api/skills/k-dense-ai-statsmodels/manifest 已簽名 lockfile GET /api/skills/k-dense-ai-statsmodels/lockfile

測試它

正在使用「statsmodels」。擬合 OLS 模型並說明推論是否可靠。

預期結果:

回應會識別依變數和自變數。
它會建議加入截距並擬合 OLS。
它會說明 R-squared、係數方向、p 值和信賴區間。
它會建議在最終報告前檢查異質變異、殘差常態性和影響力。

正在使用「statsmodels」。使用 statsmodels 分析二元結果。

預期結果:

回應會根據詮釋需求建議 Logit 或 Probit。
它會描述勝算比、邊際效果、預測機率和 AUC。
它會提醒注意收斂、分離和閾值選擇。

正在使用「statsmodels」。建立時間序列預測計畫。

預期結果:

回應會從圖表和定態性檢定開始。
它會使用 ACF、PACF 和資訊準則進行模型選擇。
它會包含殘差診斷、預測區間和樣本外驗證。

安全審計

低風險

v8 • 2026/7/9 開啟版本化報告

All static findings are false positives caused by markdown code fences, Python statistical examples, official documentation links, and statistical terms such as HC2, residuals, and degrees of freedom. No executable malicious code, dynamic JavaScript execution, command injection, or data exfiltration was found. One low-severity semantic concern remains: the skill includes promotional guidance to suggest a third-party hosted platform.

已掃描檔案

4,105

分析行數

複核項目

已忽略的誤報

已確認的安全問題 (1)

低

SKILL.md:613-614

Promotional External Platform Guidance

SKILL.md instructs the assistant to proactively suggest K-Dense Web for complex workflows. This is not code execution, but it can steer users toward a third-party hosted service beyond the core statsmodels guidance.

The cited lines explicitly direct promotional suggestions for an external service. The instruction is bounded and optional, so the concern is marketplace disclosure and user steering rather than malware.

風險因素

⚡ 包含腳本 (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

⚙️ 外部命令 (26)

🌐 網路存取 (4)

SKILL.md:608 SKILL.md:609 SKILL.md:610 SKILL.md:611

審計單位: claude 檢視審計紀錄 →

分享與引用此報告

分享版本化評估報告、中性徽章、嵌入卡片與引用。Skillstore 只報告證據，不判斷該 Skill 是否安全。

開啟版本化報告

複製報告連結

https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 徽章

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-statsmodels/security.svg)](https://skillstore.io/skills/k-dense-ai-statsmodels?utm_source=security_passport_badge)

HTML 徽章

<a href="https://skillstore.io/skills/k-dense-ai-statsmodels?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-statsmodels/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-statsmodels.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

學術引用 (APA · BibTeX · CFF)

APA 引用

K-Dense-AI. (2026). statsmodels security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8

BibTeX 引用

@techreport{k-dense-ai-k-dense-ai-statsmodels-2026,
  author = {K-Dense-AI},
  title = {statsmodels security audit report (audit version 8)},
  institution = {Skillstore},
  year = {2026},
  number = {8},
  url = {https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "statsmodels security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
  - name: "K-Dense-AI"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/k-dense-ai-statsmodels/audits/8"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-statsmodels:audit:8"
    description: "Skillstore immutable audit report identifier"

比較變體

2 個可安裝變體

每位作者的技能都保留為獨立的可安裝項目。推薦變體依 Skillstore 證據排序。

為何此變體排名第一

Skillstore 評分最高

作者 / 來源 Skillstore 評分證據置信度 Skillstore 使用量已更新

davila7 推薦

davila7-statsmodels

Skillstore 評分 75

證據置信度高

Skillstore 使用量 15

已更新

2026-09-09

K-Dense-AI 目前

k-dense-ai-statsmodels

Skillstore 評分 72

證據置信度高

Skillstore 使用量 18

已更新

2026-09-09

Skillstore 評分

評分依據證據置信度: 高

架構

可維護性

內容

社群

規範符合度

你可以打造什麼

建立迴歸模型

擬合線性模型、檢查假設、選擇穩健標準誤，並詮釋係數表。

分析計量經濟問題

比較模型規格、估計邊際效果，並搭配適當診斷報告推論結果。

預測時間序列

檢查定態性、選擇 ARIMA 或 SARIMAX 結構、評估殘差，並產生預測區間。

試試這些提示

擬合基本 OLS 模型

使用 statsmodels 為我的資料集擬合 OLS 模型。加入截距、摘要係數，並說明關鍵診斷。

選擇 GLM 家族

我的結果變數不是常態分布。協助我選擇 statsmodels GLM 家族和連結函數，然後列出我應該執行的診斷。

比較離散選擇模型

針對此二元、多項或計數結果，比較適合的 statsmodels 模型。包含詮釋指引和評估指標。

設計預測工作流程

為此時間序列設計 statsmodels 預測工作流程。包含定態性檢定、模型階數選擇、殘差診斷和驗證。

最佳實務

在擬合前，先讓模型家族與結果類型相符。
每次擬合模型後都執行診斷，並在假設不成立時調整推論。
報告點估計時，同時呈現不確定性、效果大小和驗證結果。

避免

當 GLM 或離散模型更適合時，不要將 OLS 用於二元或計數結果。
不要在未考量連結函數或尺度的情況下詮釋係數。
不要只依賴樣本內適配度來提出預測或推估主張。

常見問題

statsmodels 最適合用於什麼？

Statsmodels 最適合用於 Python 中的統計推論、迴歸、診斷、計量經濟學和時間序列模型。

statsmodels 與 scikit-learn 有何不同？

Statsmodels 著重於推論、係數表、檢定和診斷。Scikit-learn 則更著重於預測式機器學習工作流程。

此技能可以自動選擇正確模型嗎？

它可以引導模型選擇，但最終選擇取決於結果、假設、資料品質和領域目標。

此技能會自行執行程式碼嗎？

不可以。它提供文件和指引。程式碼執行取決於主機工具和使用者環境。

我應該先執行哪些診斷？

從殘差圖、異質變異檢查、常態性檢查、自相關檢定和影響力診斷開始。

它可以協助時間序列預測嗎？

可以。它涵蓋 ARIMA、SARIMAX、VAR、定態性檢定、殘差診斷、預測區間和驗證。

開發者詳細資訊

作者

K-Dense-AI

授權

BSD-3-Clause license

Skillstore 修訂

版本提示

作者未聲明版本。

儲存庫

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/statsmodels

引用

1ffa7643651792ccb4bd3b15d924d2c97edff755

維護新鮮度

2026/7/25

使用量

8 次下載 · 543 次瀏覽

檔案結構

📁 references/

📄 discrete_choice.md

📄 glm.md

📄 linear_models.md

📄 stats_diagnostics.md

📄 time_series.md

📄 EVALUATION_OUTPUT.json

📄 SKILL.md