用途：statsmodels 是 Python 的统计建模与计量经济学库，用于估计、推断和诊断各类统计模型，从线性回归到复杂时间序列与计量分析。
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、负二项、Gamma、逆高斯、Tweedie 等分布族与多种连接函数）；离散选择模型（Logit、Probit、多项 Logit、有序模型、零膨胀与 Hurdle 计数模型）；时间序列（AutoReg、ARIMA、SARIMAX、指数平滑、ETS、VAR、VARMAX、VECM、状态空间、马尔可夫区制转换、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、多重比较、功效分析、稳健标准误 HC/HAC/聚类）。
使用方式：安装可固定版本，如 uv pip install statsmodels==0.14.6。高层导入用 statsmodels.api 与 statsmodels.formula.api，特殊类可直接导入模块。OLS 需先用 sm.add_constant() 添加常数项；公式接口支持 R 风格写法，如 smf.ols('y ~ x1 + x2 + x1:x2', data=df).fit()，分类变量用 C() 自动哑变量编码。结果对象提供 summary()、params、pvalues、get_prediction() 等；ARIMA 需先用 ADF 检验平稳性，再依据 ACF/PACF 定阶。
适用场景：需要系数推断与假设检验的回归分析、二分类与计数结果建模、时间序列预测、模型比较（AIC/BIC、似然比检验）与因果效应估计。
限制：资料未提供收费、平台支持范围与性能数据；公式接口不支持 ARIMA，需用常规 API；模型选择与诊断需自行判断，资料未给出统一结论。