linearmodels 是面向计量经济学的 Python 包。本模块按 7.x 版本组织，重点覆盖面板数据、固定效应/随机效应、工具变量、系统回归与资产定价模型，并与 Statsmodels 的通用统计建模能力形成互补。
- 正确组织实体 × 时间的面板数据；
- 使用 pooled、固定效应和随机效应模型；
- 理解实体效应、时间效应和协方差估计选择；
- 使用 IV/2SLS 处理内生解释变量，并诊断工具变量质量；
- 了解 SUR、3SLS 与多方程系统；
- 使用资产定价模块进行因子模型检验；
- 理解动态面板等扩展主题的思想和工具边界。
python -m pip install "linearmodels>=7,<8" "pandas>=3,<4" "numpy>=2,<3" statsmodels推荐使用 Python 3.12–3.14。
- 固定效应并不意味着所有场景都必须使用同一种标准误；协方差估计应根据抽样结构、误差相关性和研究设计选择。
- 工具变量的相关性不能替代外生性论证；第一阶段强度也不能证明排除限制成立。
- 本教程会介绍动态面板 GMM 的基本思想，但 linearmodels 7.x 本身不把 Arellano–Bond/System GMM 作为本教程可直接调用的核心 API；相应内容作为方法扩展阅读，而不是伪造可运行接口。
- 资产定价与因果推断有各自的识别假设，不能只凭显著性下结论。
建议先掌握 Statsmodels 教程 中的线性回归、稳健标准误与统计推断，再进入本模块。