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，适合需要系数推断而非仅预测的场景。
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、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、计数模型、零膨胀与 Hurdle）；时间序列（AR、ARIMA、SARIMAX、指数平滑、VAR、VARMAX、状态空间、马尔可夫转换、ARDL）；统计检验与诊断（自相关、异方差、正态性、影响点、多重比较、功效分析、稳健标准误）。
使用方式：安装后导入 statsmodels.api 或 formula API。OLS 需先用 sm.add_constant() 添加常数项，再拟合并查看 summary()；公式接口支持 R 风格写法，如 smf.ols('y ~ x1 + x2', data=df).fit()。时间序列可用 ARIMA(y, order=(p,d,q)) 拟合并 forecast。模型比较可用 AIC/BIC 或似然比检验。
适用场景：连续结果回归与推断、二分类与计数数据建模、时间序列预测、假设检验与模型诊断、因果效应估计、生成可发表的统计表。
限制：资料未提供具体安装命令、版本要求、收费与平台信息；ARIMA 不支持公式接口；部分模型需注意收敛、过离散与平稳性问题。