用途：statsmodels 是 Python 的通用统计建模库，本技能提供其用法指引，用于拟合回归、广义线性模型、时间序列分析、模型诊断与假设检验。需要固定效应、双重差分时改用 pyfixest；面板、工具变量、系统估计用 linearmodels；复杂抽样调查的加权回归用 svy（WLS 不等同于调查加权回归）。
主要能力： 线性模型：OLS、WLS、GLS、稳健回归、分位数回归、混合效应（MixedLM）。 非线性与离散模型：GLM 各分布族、logit/probit、多项 logit、有序模型、Poisson、负二项、零膨胀模型、边际效应、offset/exposure。 时间序列：ARIMA、SARIMAX、VAR/VECM、指数平滑、状态空间模型、单位根检验（ADF、KPSS）、ACF/PACF、预测。 诊断与检验：异方差（Breusch-Pagan、White）、正态性（Jarque-Bera、Shapiro-Wilk）、RESET、VIF、影响度量、残差分析、Durbin-Watson；t 检验、F 检验、Wald 检验、似然比检验、多重比较校正。
使用方式：两种 API，公式 API（smf.ols("y ~ x1 + x2", data=df)）与数组 API（sm.OLS(y, sm.add_constant(X))）。常用导入：import statsmodels.api as sm；import statsmodels.formula.api as smf。拟合后可用 results.summary()、results.predict(new_data)、results.conf_int()、results.get_margeff()。公式支持交互项 x1 * x2、分类变量 C(region)、多项式 I(x1**2)、去截距 - 1。研究流程中建议以脚本文件方式执行以便审计复现。
限制：该技能面向不含固定效应的模型；WLS 处理异方差但不考虑分层、聚类或有限总体校正；具体安装命令、版本与详细参考文件内容本次资料未完整提供。
分类：数据与分析。