用途：面向纵向/面板数据集的计量分析技能，覆盖混合OLS、固定效应（FE）、随机效应（RE）和双向固定效应模型，指导模型选择、假设检验与结果解释。
主要能力：模型选择框架（依据不可观测异质性与回归元的相关性、时间效应重要性、是否需估计时不变变量效应来决定FE/RE/双向FE）；Hausman检验（p<0.05用FE，p≥0.05用RE）；Mundlak/相关随机效应（CRE）；动态面板与Arellano-Bond GMM（短T且含滞后因变量时，FE存在Nickell偏误）；面板标准误选择（序列相关用按实体的聚类SE，截面相关用Driscoll-Kraay SE，两者兼有则双向聚类）。
必要用法：技能会随用户提出的面板数据相关话题激活。资料提供了R（plm、sandwich、lmtest）、Stata（xtreg、xtabond2、xtscc、reghdfe）与Python（linearmodels、pydynpd）的示例代码模板，含FE、RE、Hausman、Mundlak CRE、Arellano-Bond GMM及聚类SE的实现；命令与代码保持原样。
适用场景：个体、企业或国家在多个时期上的面板数据实证研究，含政策干预可用did-analysis，纯截面数据可用ols-regression，单实体时间序列可用time-series。
限制：FE系数仅识别组内变异，无法估计时不变变量效应；滞后因变量在短T面板中会带来偏误；宏面板忽略截面相关会使标准误失效；应报告面板维度、聚类层级、所包含效应、固定效应联合显著性F检验及Hausman结果。关于一阶差分、动态面板、生存/Probit面板模型细节，需查阅参考资料，正文未完全提供。