用途：pyfixest 是 R fixest 的 Python 实现，用于高维固定效应回归、工具变量与双重差分（DiD）估计，适合需要多向固定效应、聚类推断和出版级结果输出的实证研究。
主要能力：支持 OLS、Poisson 与 IV/2SLS；多向固定效应通过交替投影去均值，可用 numba/JAX/GPU 后端加速；公式语法简洁，固定效应写在 | 之后，IV 写在第二个 | 之后，sw()/csw() 支持多模型估计。DiD 内置 TWFE、did2s、lpdid、Sun-Abraham 饱和估计量及事件研究。推断方面可在估计后切换标准误类型，支持 wild bootstrap、随机化推断、CCV 与多重检验校正。输出提供 etable() 回归表、coefplot() 系数图、iplot() 事件研究图与 dtable() 描述统计表。
使用方式：导入 import pyfixest as pf；核心函数包括 pf.feols("Y ~ X | fe", data=df)、pf.fepois、pf.feols("Y ~ X2 | fe | X1 ~ Z1")、pf.did2s、pf.event_study、pf.lpdid。估计后可调用 fit.summary()、fit.tidy()、fit.vcov("hetero")、fit.vcov({"CRV1": "state"})、fit.coef()、fit.se()、fit.confint()、fit.predict()、fit.resid()、fit.fixef()。报告用 pf.etable([fit1, fit2])、pf.coefplot、pf.iplot、pf.panelview。
适用场景：固定效应回归、DiD 设计、带固定效应的 Poisson 计数模型、IV 估计，以及生成出版级回归表与图。面板随机/组间效应建议用 linearmodels；无固定效应的 GLM 或时间序列建议用 statsmodels；复杂抽样设计建议用 svy。
限制与版本注意：本技能针对 pyfixest 0.40.0。该版本默认标准误由“按第一个固定效应聚类”改为 iid，旧代码结果会静默变化；ssc() 参数改名（adj→k_adj、fixef_k→k_fixef、cluster_adj→G_adj、cluster_df→G_df）；fixef_rm 默认由 none 改为 singleton，默认剔除单例；多重共线性容差由 1e-10 降至 1e-09。pyfixest 的聚类标准误只处理组内相关，不涵盖分层、不等概率权重、FPC 等完整抽样设计。Polars 数据需先转为 pandas 再传入。安装方式、具体价格与平台支持资料暂未提供。