statsmodels：Python 统计建模与计量经济学工具包

statsmodels 是 Python 的统计计算包，作为 scipy 的补充，提供描述性统计以及统计模型的估计与推断功能。

这个工具是什么

statsmodels 是一个 Python 包，官方定位为 scipy 在统计计算方面的补充，涵盖描述性统计以及统计模型的估计与推断。项目采用 BSD-3-Clause 许可证，主要语言为 Python，在 GitHub 上获得约 1.16 万星标，最近提交时间为 2026 年 9 月。其文档分为稳定版与开发版，发布说明记录近期改进。功能覆盖线性回归、广义线性模型、离散选择模型、稳健线性模型、时间序列分析、生存分析、多变量分析、非参数统计、缺失值插补、中介分析以及大量统计检验，并提供绘图与表格输出工具。

核心能力

• 提供线性回归、广义线性模型、稳健线性模型等多种回归建模方法
• 包含 Logit、Probit、泊松、负二项等离散与计数模型
• 具备完整的状态空间框架，支持 ARIMA、VAR、VECM 等时间序列模型
• 涵盖生存分析、多变量分析、非参数统计与多种统计检验

科研中的典型用法

• 在经济学或社会科学研究中，用线性回归、GLM 或离散选择模型估计变量关系并进行假设检验
• 在时间序列分析中，使用 ARIMA、VAR、状态空间模型或指数平滑进行建模与预测
• 在生存分析中，使用 Cox 比例风险模型或 Kaplan-Meier 估计生存函数与累积发生函数

快速上手

可通过 pip 安装：pip install statsmodels，或使用 conda 从 conda-forge 渠道安装。入门时建议先阅读官方稳定版文档（https://www.statsmodels.org/stable/），其中包含各模型的示例与 API 说明；开发版文档位于 https://www.statsmodels.org/dev/。包内自带用于示例和测试的数据集，可结合绘图函数查看数据与模型结果。

生态与相近工具

statsmodels 与 scipy 互补，scipy 侧重基础统计计算，statsmodels 提供更完整的模型估计与推断。与 scikit-learn 相比，后者偏重预测与机器学习流程，statsmodels 更关注统计推断与模型诊断。此外，pandas 提供较新的 Stata .dta 文件读取工具。选择时可依据任务对推断、诊断或预测的侧重来决定。

项目信息

• 仓库：statsmodels/statsmodels
• 星标：11,633　·　派生：3,597
• 主要语言：Python
• 许可证：BSD-3-Clause
• 最近提交：2026-09-17
• 项目主页：http://www.statsmodels.org/devel/

本文属于《学科研究工具知识库 · 数学》第 1 篇（按 GitHub 星标排序）。收录标准：该学科公开可获取的开源研究工具，星标与活跃度为主要参考，不代表对其性能或适用性的背书；选型前请结合自身场景评估。