statsmodels 是 Python 的统计建模与计量经济学库，用于估计、推断和诊断，覆盖从简单线性回归到复杂时间序列与计量分析。资料目标版本为 statsmodels 0.14.6（2025 年 12 月 5 日发布），可用 uv pip install statsmodels==0.14.6 固定版本复现环境；稳定高层导入用 statsmodels.api 与 statsmodels.formula.api，需要较新或专门类（如 HurdleCountModel）时直接导入模块。
用途：拟合回归模型（OLS、WLS、GLS、分位数回归）；广义线性建模（logistic、Poisson、Gamma 等）；离散结果分析（二值、多项、计数、有序）；时间序列分析（ARIMA、SARIMAX、VAR、预测）；统计检验与诊断；检验模型假设（异方差、自相关、正态性）；离群点与影响点检测；模型比较（AIC/BIC、似然比检验）；因果效应估计；生成可用于发表的统计表与推断。
主要能力：线性模型含 OLS、WLS、GLS、GLSAR、分位数回归、混合效应、递归/滚动回归，提供稳健标准误、影响统计量、假设检验与预测区间；GLM 支持 Binomial、Poisson、负二项、Gamma、逆高斯、Gaussian、Tweedie 及多种连接函数；离散模型含 Logit、Probit、MNLogit、条件 Logit、有序模型、Poisson、负二项、零膨胀与 Hurdle；时间序列含 AutoReg、ARIMA、SARIMAX、指数平滑、ETS、VAR、VARMAX、动态因子、VECM、状态空间、区制转换、ARDL，支持 ACF/PACF、平稳性检验、预测区间、残差诊断、Granger 因果、脉冲响应与方差分解；诊断与检验覆盖自相关、异方差、正态性、设定检验、影响点、t 检验、比例检验、卡方、非参数检验、ANOVA、多重比较、效应量与功效分析。
使用方式：OLS 需用 sm.add_constant() 添加常数项；formula API 支持 R 风格公式，如 smf.ols('y ~ x1 + x2 + x1:x2', data=df).fit()，分类变量用 C(category)，交互用 x1 * x2，多项式用 I(x**2)；模型结果用 .summary() 查看；预测用 get_prediction() 或 get_forecast() 获取均值与置信区间。
限制：资料未提供收费、价格、平台支持范围与性能指标等信息，暂未提供。ARIMA 不支持公式 API，需使用常规 API。使用时建议固定版本、检查缺失值，并在异方差或聚类存在时采用稳健标准误。