{"id":166821,"date":"2023-01-16T10:40:40","date_gmt":"2023-01-16T09:40:40","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=166821"},"modified":"2023-10-30T09:04:08","modified_gmt":"2023-10-30T08:04:08","slug":"statsmodels","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/statsmodels","title":{"rendered":"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"166821\" class=\"elementor elementor-166821\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-e34e96f e-flex e-con-boxed e-con\" data-id=\"e34e96f\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-51c7f36 elementor-widget elementor-widget-heading\" data-id=\"51c7f36\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Wenn du schon einmal versucht hast, Zeitreihen zu modellieren, hast du wahrscheinlich schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die am h\u00e4ufigsten verwendete Bibliothek daf\u00fcr Statsmodels. In diesem Artikel bieten wir dir einen kurzen \u00dcberblick \u00fcber die Verwendung von statsmodels und einige Anwendungsbeispiele.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-25572ae e-flex e-con-boxed e-con\" data-id=\"25572ae\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3ce0b82 elementor-widget elementor-widget-heading\" data-id=\"3ce0b82\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Was kann man mit Statsmodels machen?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-816e267 elementor-widget elementor-widget-text-editor\" data-id=\"816e267\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400\">Statsmodels ist eine Bibliothek <\/span><b>zur Analyse und Modellierung von statistischen Daten<\/b><span style=\"font-weight: 400\">. Sie bietet eine Reihe von Funktionen, die in klassischen Bibliotheken nicht vorhanden sind, z. B.<\/span> <a href=\"https:\/\/scikit-learn.org\/stable\/\">sklearn<\/a><span style=\"font-weight: 400\">.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fa2c3d8 elementor-widget elementor-widget-heading\" data-id=\"fa2c3d8\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\"><b>Lineare Regression<\/b><\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-866077f elementor-widget elementor-widget-text-editor\" data-id=\"866077f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Zun\u00e4chst einmal erg\u00e4nzt Statsmodels <\/span><b>die <\/b><span style=\"font-weight: 400\">klassische <\/span><b>lineare Regression <\/b><span style=\"font-weight: 400\">weitgehend, indem es neue Sch\u00e4tzer f\u00fcr die <\/span><b>kleinsten Quadrate <\/b><span style=\"font-weight: 400\">anbietet. Normalerweise werden die gew\u00f6hnlichen kleinsten Quadrate (OLS) verwendet, um die lineare Regression zu sch\u00e4tzen. Wenn jedoch einige Residuen korreliert sind, ist die lineare Regression nicht mehr effizient. Die <\/span><b>verallgemeinerte kleinste Quadrate <\/b><span style=\"font-weight: 400\">(GLS) kann dieses Problem l\u00f6sen.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-51e61ee elementor-widget elementor-widget-image\" data-id=\"51e61ee\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"613\" height=\"460\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0.webp\" class=\"attachment-full size-full wp-image-166824\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0.webp 613w, https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0-300x225.webp 300w\" sizes=\"(max-width: 613px) 100vw, 613px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Beispiel f\u00fcr eine lineare OLS-Regression<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e6e821e elementor-widget elementor-widget-text-editor\" data-id=\"e6e821e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Parallel zu dieser Methode stellt statsmodels zwei weitere, komplexere Sch\u00e4tzer der gew\u00f6hnlichen kleinsten Quadrate vor: die rekursiven kleinsten Quadrate (RLS) und die mobilen kleinsten Quadrate (MLS).<\/span><\/p><p><span style=\"font-weight: 400\">Au\u00dferdem stellt die klassische lineare Regression eine <\/span><b>Reihe von Annahmen auf, <\/b><span style=\"font-weight: 400\">die w\u00e4hrend des Prozesses \u00fcberpr\u00fcft werden m\u00fcssen. Statsmodels stellt verschiedene <\/span><b>statistische Tests <\/b><span style=\"font-weight: 400\">vor, mit denen :<\/span><\/p><ul><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">die Nicht-Multikollinearit\u00e4t der Variablen<\/span><\/li><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">Homoskedastizit\u00e4t (Breusch-Pagan-Test)<\/span><\/li><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">die Normalit\u00e4t der R\u00fcckst\u00e4nde (Jarque-Bera-Test)<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7c12e0e elementor-widget elementor-widget-text-editor\" data-id=\"7c12e0e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Sehen wir uns ein Anwendungsbeispiel in Python an:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-57ab538 elementor-widget elementor-widget-shortcode\" data-id=\"57ab538\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-72f0115 e-flex e-con-boxed e-con\" data-id=\"72f0115\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-5e46caf elementor-widget elementor-widget-heading\" data-id=\"5e46caf\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Verallgemeinerte lineare Modelle<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-755a3ac elementor-widget elementor-widget-text-editor\" data-id=\"755a3ac\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Parallel dazu erm\u00f6glicht die statsmodels-Bibliothek die Verwendung von <\/span><b>verallgemeinerten linearen Modellen (GLM), <\/b><span style=\"font-weight: 400\">die eine Verallgemeinerung der klassischen linearen Regression darstellen.\u00a0<\/span><\/p><p><span style=\"font-weight: 400\">Die lineare Regression geht davon aus, dass die zu erkl\u00e4rende Variable einer Normalverteilung folgt (diese Annahme wird durch die Normalverteilung der Residuen auferlegt). Bei der GLM kann eine beliebige Verteilung aus der Familie der Exponentialverteilungen verwendet werden.<\/span><\/p><p><span style=\"font-weight: 400\">Au\u00dferdem verbindet das GLM die zu erkl\u00e4rende Variable mit dem Modell \u00fcber eine <\/span><b>Verkn\u00fcpfungsfunktion, was <\/b><span style=\"font-weight: 400\">die klassische lineare Regression noch flexibler macht.<\/span><\/p><p><span style=\"font-weight: 400\">Ein Spezialfall des verallgemeinerten linearen Modells ist die logistische Regression. Die zu erkl\u00e4rende Variable folgt <\/span><b>einer Binomialverteilung <\/b><span style=\"font-weight: 400\">und es wird eine <\/span><b>Logit-Link-Funktion<\/b><span style=\"font-weight: 400\"> verwendet.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c38cd19 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"c38cd19\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Mehr \u00fcber die Weiterbildung zum Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-84f7da3 elementor-widget elementor-widget-image\" data-id=\"84f7da3\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"640\" height=\"384\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0-1.webp\" class=\"attachment-full size-full wp-image-166831\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0-1.webp 640w, https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0-1-300x180.webp 300w\" sizes=\"(max-width: 640px) 100vw, 640px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Beispiel f\u00fcr eine logistische Regression<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-da8d39d e-flex e-con-boxed e-con\" data-id=\"da8d39d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-24cd644 elementor-widget elementor-widget-heading\" data-id=\"24cd644\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Zeitreihen :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3ceb7f9 elementor-widget elementor-widget-text-editor\" data-id=\"3ceb7f9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Statsmodels stellt insbesondere zahlreiche Werkzeuge vor, die bei der Untersuchung von Zeitreihen sehr n\u00fctzlich und umfangreich sind.<\/span><\/p><p><span style=\"font-weight: 400;\">Zun\u00e4chst einmal die <\/span><b>Zerlegung in Trend, Saisonalit\u00e4t und Nachlauf<\/b><span style=\"font-weight: 400;\">. Wenn du mit diesen klassischen Komponenten von Zeitreihen nicht vertraut bist, empfehlen wir dir, unseren Artikel \u00fcber<\/span> <a href=\"https:\/\/datascientest.com\/de\/zeitreihen-erzaehlen\">Zeitreihen zu lesen<\/a>.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a4eaa97 elementor-widget elementor-widget-image\" data-id=\"a4eaa97\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"570\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0-2-1.webp\" class=\"attachment-full size-full wp-image-166832\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0-2-1.webp 768w, https:\/\/datascientest.com\/de\/files\/2023\/01\/pasted-image-0-2-1-300x223.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Beispiel f\u00fcr eine Zerlegung<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-be3826a elementor-widget elementor-widget-text-editor\" data-id=\"be3826a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Diese Funktion erm\u00f6glicht es, auf einen Blick den Einfluss der verschiedenen Komponenten in unserem Modell zu erkennen, aber auch die Residuen zu visualisieren, um einen ersten Eindruck von ihrer <\/span><b>Stationarit\u00e4t zu <\/b><span style=\"font-weight: 400;\">erhalten.<\/span><\/p><p><span style=\"font-weight: 400;\">Statsmodels implementiert auch zwei statistische Tests, um die Stationarit\u00e4t von Zeitreihen zu \u00fcberpr\u00fcfen: den Augmented Dickey-Fuller-Test (ADF) und den KPSS-Test (Kwiatkowski-Phillips-Schmidt-Shin).<\/span><\/p><p><span style=\"font-weight: 400;\">Und nicht zuletzt bietet statsmodels eine ganze Reihe klassischer Modelle zur <\/span><b>Modellierung von Zeitreihen<\/b><span style=\"font-weight: 400;\">:<\/span><\/p><ul><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Selbstregulierende Prozesse<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Gleitende Durchschnitte<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Die ARMA und<\/span> <strong><a href=\"https:\/\/datascientest.com\/de\/arima\">ARIMA<\/a><\/strong><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Die SARIMA, SARIMAX, VARIMAX<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-21e7918 elementor-widget elementor-widget-text-editor\" data-id=\"21e7918\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">SARIMAX ist einfach ein SARIMA-Prozess, der parallel exogene Variablen verwendet, um die Zeitreihe vorherzusagen. VARIMAX ist ein vektorisierter ARIMAX-Prozess, der mehrere Werte gleichzeitig vorhersagen kann.<\/span><\/p><p><span style=\"font-weight: 400\">Zus\u00e4tzlich zu den in diesem Artikel vorgestellten Funktionen bietet die Bibliothek statsmodels viele weitere M\u00f6glichkeiten und wird st\u00e4ndig erweitert. Um mehr zu erfahren, ist ihre Dokumentation mit vielen detaillierten Beispielen versehen.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-0a7d322 e-flex e-con-boxed e-con\" data-id=\"0a7d322\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4d7b33b elementor-widget elementor-widget-heading\" data-id=\"4d7b33b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Schlussfolgerung<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-58a819e elementor-widget elementor-widget-text-editor\" data-id=\"58a819e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Statsmodels ist ein unverzichtbares Werkzeug f\u00fcr Statistiker und<\/span> <strong><a href=\"https:\/\/datascientest.com\/metier-data-scientist\">Data Scientists<\/a><\/strong><span style=\"font-weight: 400;\">, insbesondere bei der Untersuchung von Zeitreihen. Seine leicht verst\u00e4ndliche und reproduzierbare Syntax erm\u00f6glicht es, statistische Reihen problemlos zu verwenden, zu modellieren und zu untersuchen.<\/span><\/p><p><span style=\"font-weight: 400;\">Die Werkzeuge, die ein Data Scientist beherrschen muss, umfassen jedoch weitaus mehr Themen (Data Vizualisation, Machine Learning, Deep Learning, &#8230;), die du in unserer<\/span> <strong><a href=\"https:\/\/datascientest.com\/de\/weiterbildung-data-scientist\">Data Scientist-Ausbildung<\/a><\/strong><span style=\"font-weight: 400;\"> kennenlernen kannst.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0218a8b elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"0218a8b\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Ecke unsere Schulungen in Data<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Wenn du schon einmal versucht hast, Zeitreihen zu modellieren, hast du wahrscheinlich schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die am h\u00e4ufigsten verwendete Bibliothek daf\u00fcr Statsmodels. In diesem Artikel bieten wir dir einen kurzen \u00dcberblick \u00fcber die Verwendung von statsmodels und einige Anwendungsbeispiele. Was kann man mit Statsmodels machen? Statsmodels ist eine Bibliothek [&hellip;]<\/p>\n","protected":false},"author":63,"featured_media":166822,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren<\/title>\n<meta name=\"description\" content=\"Wenn Sie schon einmal versucht haben, Zeitreihen zu modellieren, haben Sie sicher schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die meistgenutzte Bibliothek daf\u00fcr statsmodels.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/statsmodels\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren\" \/>\n<meta property=\"og:description\" content=\"Wenn du schon einmal versucht hast, Zeitreihen zu modellieren, hast du wahrscheinlich schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die am\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/statsmodels\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-01-16T09:40:40+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T08:04:08+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/01\/illu_statsmodel_blog-95.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"768\" \/>\n\t<meta property=\"og:image:height\" content=\"421\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/statsmodels#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/statsmodels\"},\"author\":{\"name\":\"\",\"@id\":\"\"},\"headline\":\"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren\",\"datePublished\":\"2023-01-16T09:40:40+00:00\",\"dateModified\":\"2023-10-30T08:04:08+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/statsmodels\"},\"wordCount\":630,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/statsmodels#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/statsmodels\",\"url\":\"https:\/\/datascientest.com\/de\/statsmodels\",\"name\":\"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-01-16T09:40:40+00:00\",\"dateModified\":\"2023-10-30T08:04:08+00:00\",\"description\":\"Wenn Sie schon einmal versucht haben, Zeitreihen zu modellieren, haben Sie sicher schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die meistgenutzte Bibliothek daf\u00fcr statsmodels.\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/statsmodels\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"\",\"url\":\"https:\/\/datascientest.com\/de\/author\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren","description":"Wenn Sie schon einmal versucht haben, Zeitreihen zu modellieren, haben Sie sicher schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die meistgenutzte Bibliothek daf\u00fcr statsmodels.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/statsmodels","og_locale":"de_DE","og_type":"article","og_title":"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren","og_description":"Wenn du schon einmal versucht hast, Zeitreihen zu modellieren, hast du wahrscheinlich schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die am","og_url":"https:\/\/datascientest.com\/de\/statsmodels","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-01-16T09:40:40+00:00","article_modified_time":"2023-10-30T08:04:08+00:00","og_image":[{"width":768,"height":421,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/01\/illu_statsmodel_blog-95.webp","type":"image\/webp"}],"twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"","Gesch\u00e4tzte Lesezeit":"4 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/statsmodels#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/statsmodels"},"author":{"name":"","@id":""},"headline":"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren","datePublished":"2023-01-16T09:40:40+00:00","dateModified":"2023-10-30T08:04:08+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/statsmodels"},"wordCount":630,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/statsmodels#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/statsmodels","url":"https:\/\/datascientest.com\/de\/statsmodels","name":"Statsmodels: Alles \u00fcber die Python-Bibliothek erfahren","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-01-16T09:40:40+00:00","dateModified":"2023-10-30T08:04:08+00:00","description":"Wenn Sie schon einmal versucht haben, Zeitreihen zu modellieren, haben Sie sicher schon von ARMA- oder ARIMA-Modellen geh\u00f6rt. In Python ist die meistgenutzte Bibliothek daf\u00fcr statsmodels.","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/statsmodels"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"","url":"https:\/\/datascientest.com\/de\/author"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/166821"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/63"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=166821"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/166821\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/166822"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=166821"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=166821"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=166821"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}