用途：statsmodels 是 Python 的统计建模与计量经济学库，提供估计、推断与诊断工具，覆盖从线性回归到时间序列与计量分析的多种统计方法。
主要能力：线性模型（OLS、WLS、GLS、GLSAR、分位数回归、混合效应、递归/滚动回归）；广义线性模型（Binomial、Poisson、Negative Binomial、Gamma、Inverse Gaussian、Gaussian、Tweedie 等分布族与多种连接函数）；离散选择模型（Logit、Probit、MNLogit、条件 Logit、有序模型、Poisson、负二项、零膨胀、Hurdle）；时间序列（AutoReg、ARIMA、SARIMAX、指数平滑、ETS、VAR、VARMAX、动态因子、VECM、状态空间、区制转换、ARDL）；统计检验与诊断（自相关、异方差、正态性、设定检验、影响点与异常值、t 检验、比例检验、卡方、非参数检验、ANOVA、多重比较、效应量与功效、稳健标准误）。
使用方式：常规 API 需先用 sm.add_constant() 添加常数项，再拟合模型并查看 results.summary()；也支持 R 风格公式 API（statsmodels.formula.api），如 smf.ols('y ~ x1 + x2', data=df).fit()。模型比较可用 AIC/BIC、似然比检验与交叉验证。
适用场景：连续结果回归与推断、二分类与计数结果建模、时间序列预测与动态分析、模型假设检验与稳健推断、因果效应估计、生成可发表的统计表格。
限制：资料未提供安装命令、版本要求、性能基准、收费与平台信息；ARIMA 等部分模型不支持公式 API；使用前需处理缺失值并按结果类型选择合适模型。