用途：Statsmodels 面向统计推断与解释，适用于线性回归（OLS、WLS）、广义线性模型（Logistic、Poisson、Gamma）、时间序列（ARIMA、SARIMAX、VAR、状态空间）、假设检验（t 检验、ANOVA、正态性与异方差检验）、生存分析（Kaplan-Meier、Cox 比例风险）、处理效应与因果推断、非参数统计（核密度估计）。
主要能力：提供两套 API——statsmodels.api 使用类 NumPy 数组、需手动加常数项；statsmodels.formula.api 使用 R 风格公式（如 y ~ x1 + x2）并直接配合 Pandas DataFrame，多数用户推荐后者。可用 results.summary() 输出含系数、p 值、F 统计量、Jarque-Bera 等的完整表，也支持结果对象取 pvalues、params、resid 等。
安装与导入：pip install statsmodels patsy；import statsmodels.api as sm；import statsmodels.formula.api as smf。
必要用法要点：使用数组 API 时必须 X = sm.add_constant(X)，否则模型无截距；公式中用 C() 显式声明分类变量；存在异方差可用 cov_type='HC3' 或 'cluster'；检查残差、共线性（VIF）并用 AIC/BIC 惩罚过拟合。时间序列建模前用 adfuller 检验平稳性，非平稳需差分或设 d 项。
限制：以推断为目标，不等同于预测评估；系数显著不代表因果；高 R² 不保证模型合理；不应外推训练数据范围之外；超大样本下 patsy 设计矩阵可能耗内存，可改用手工构造矩阵。