开源仓库bashtage/linearmodels1,052 Stars

linearmodels

Python面板回归与工具变量估计库，处理内生性和多维面板数据

适合需要在Python中做面板数据回归、工具变量估计或因子定价的实证研究者。提供固定效应、随机效应、2SLS、LIML、GMM等估计器，配套稳健协方差和诊断检验。

bo老师判断：推荐

用途和边界相对清楚，可以先从小样本开始。

访问原仓库查看分享卡

...

什么时候用

先判断任务是否合适

需要做面板固定效应回归，控制不可观测的个体和时间异质性
需要用工具变量（2SLS、LIML、GMM）处理内生解释变量
需要做Fama-MacBeth两步估计或线性因子资产定价检验
需要在高维固定效应（如个体×企业×年份）下做吸收回归

先准备什么

材料越清楚，结果越有用

•整理好带实体-时间双索引的面板DataFrame，确保索引唯一
•确定工具变量的外生性和相关性（理论论证+第一阶段F值）
•明确面板效应的维度设置（个体效应、时间效应或双向）
•准备好协方差类型选择依据（聚类、HAC或稳健标准误）

它会怎样推进

从材料到可以检查的结果

01
构造模型
根据研究设计选择对应模型类并传入数据和效应设定
02
拟合估计
调用.fit()选择协方差类型，系统自动完成去效应和系数估计
03
诊断检验
查看第一阶段F值、Wu-Hausman内生性检验、过度识别J统计量
04
结果解读
检查系数显著性、效应量和模型拟合优度
05
报告输出
用.summary()导出完整结果表，包含诊断检验统计量

第一次这样开始

把仓库地址直接交给 AI

先让 AI 说明环境和风险，再完成最小安装验证。跑通以后，再把自己的真实材料放进去。

第一次直接复制

帮我安装这个库：https://github.com/bashtage/linearmodels
安装前先告诉我需要什么环境，安装后帮我跑通一个最小示例。

结果出来后

先看这些检查点

检查第一阶段F值是否足够大（弱工具会严重偏倚2SLS结果）
确认Hausman检验是否支持用固定效应而非随机效应
验证选用的协方差类型（聚类/HAC/稳健）是否匹配数据的相关结构

常见误区

这些判断仍由你负责

不做弱工具检验就直接用2SLS，弱工具下的2SLS偏倚可能比OLS更严重
在高维固定效应中把随时间不变的变量当作关心变量，它们会被吸收掉
用GMM的CUE作为默认估计器，CUE数值敏感且收敛不稳定，两步GMM通常够用

技术依据

查看能力拆解、验证范围与来源

能力地图5 项已拆解能力

01
工具变量估计
给定被解释变量、外生回归元、内生回归元和工具变量，估计线性工具变量模型：2SLS、LIML、k-class、GMM（含 continuously updating CUE）：并产出带异方差/自相关/聚类稳健协方差的系数、推断、弱工具检验和过度识别 J 统计量，让研究者判断工具变量是否有效、内生性是否被正确处理。
02
系统回归与多方程
给定一组相互关联的方程（共享外生变量或误差项跨方程相关），联合估计系统：SUR/SURE（似乎不相关回归）、3SLS（三阶段最小二乘，含工具变量）、系统 GMM：利用跨方程误差协方差提升效率，并产出系统级系数、协方差、约束检验和系统 R²，让研究者判断联合估计是否优于单方程逐个估计。
03
线性因子资产定价
给定一组资产的超额收益（或总收益）和一组因子，估计线性因子定价模型：交易因子的时间序列回归、2/3 步截面估计、或 GMM 因子定价：并产出因子风险溢价、资产 β、定价误差（alpha）、J 过度识别检验和协方差，让研究者判断因子是否能解释资产截面收益差异、哪些资产被错误定价。
04
面板数据回归
给定一个带实体-时间双索引的面板数据（或可转成 MultiIndex 的 DataFrame），估计面板回归模型：固定效应（含双向）、随机效应、between、first difference、pooled OLS 或 Fama-MacBeth：并产出带聚类/异方差/自相关稳健协方差的系数、推断和设定检验，让研究者判断不随时间变化的异质性是否被正确吸收。

能力	主要输入	主要输出	人工检查
工具变量估计源码已核对	dependent：被解释变量（nobs×1）。 exog：外生回归元（nobs×nexog）。 endog：内生回归元（nobs×nendog）。	IVResults（params、stderrors、tstats、pvalues、confint、cov、resids、firstdiagnostics、wuhausman、sargan、limlkappa、summary）。 IVGMMResults（额外 weightmat、weighttype、weightconfig、iteration、jstat）。 OLSResults（纯外生退化路径）。	内生性判断（Wu-Hausman）是否成立，是否真需要 IV。工具变量外生性与相关性（第一阶段 F、Shea partial R²、理论论证）。过度识别检验（Sargan/J）是否通过。
系统回归与多方程源码已核对	方程字典：{eqname: (dependent, exog)} 或 {eqname: dict(dependent=..., exog=...)}；每个方程可有独立 endog/instruments（IV3SLS）。或公式字典：{eqname: 'y ~ x1 + x2'}，支持跨方程共享变量。 sigma（可选预设跨方程残差协方差矩阵；若不给则估计）。	SystemResults（系统 params 堆叠、cov、sigma 跨方程协方差、tstats、pvalues、confint、systemr2、constraints、每方程子结果、summary）。 GMM 系统：额外 weightmat、weighttype、iterations。跨方程残差协方差矩阵 Σ（用于判断系统相关性强度）。	是否真需要系统估计（Σ 是否显著非对角，跨方程误差是否相关）。选 SUR vs 3SLS（有无内生性，需不需要工具）。选 OLS vs GLS 路径（共享外生 + 无约束时 OLS 等价且更简）。
线性因子资产定价源码已核对	portfolios：资产组合收益矩阵（nobs×nport），通常为测试资产的超额收益。 factors：因子矩阵（nobs×nf），可为交易因子（组合）或非交易因子（宏观）。 riskfree（默认 True）：True 时用超额收益（截距吸收），False 时保留无风险利率（3-step 估计）。	LinearFactorModelResults/TradedFactorModelResults（betas、riskpremia λ、alphas 定价误差、cov、rsquared 时间序列拟合、summary）。 GMMFactorModelResults（额外 jstat 过度识别、iterations、weight 信息）。 J 统计量（GMM/3-step 的过度识别检验）。	选 TradedFactorModel（交易因子，时间序列）vs LinearFactorModel（非交易因子，2/3-step）vs GMM（GMM 定价）。 riskfree 设定是否与收益输入一致。 GMM steps/usecue（2 步通常够；CUE 数值敏感）。
面板数据回归源码已核对	dependent：一维被解释变量，pandas Series / DataFrame / numpy / xarray。 exog：外生回归元矩阵；公式接口下由 formulaic 解析。面板索引：(entity, time) MultiIndex（要求 entity-time 唯一）；PanelData 内部规范化为 (entity × time) 堆叠二维数组 + 实体/时间 id。	PanelEffectsResults（params、stderrors、tstats、pvalues、confint、cov、resids、fittedvalues、estimatedeffects、rsquaredwithin/between/overall、fstatistic、summary）。 PanelResults（PooledOLS/BetweenOLS/FirstDifferenceOLS，无 estimatedeffects）。 RandomEffectsResults（含 variancedecomposition、theta、smallsample 修正）。	选固定效应还是随机效应（Hausman 检验）。聚类维度是否匹配真实组内相关结构（企业、地区、年份）。 HAC 的 bandwidth/kernel 是否匹配面板时间序列长度。
高维吸收回归源码已核对	dependent：被解释变量（nobs×1）。 exog：关心参数 β 对应的回归元（nobs×nexog）。 absorb：高维效应，DataFrame（分类列作固定效应，连续列作连续控制）或 Interaction(cat=..., cont=...)。	AbsorbingLSResults（params、stderrors、tstats、pvalues、confint、cov、resids、rsquared、absorbed 诊断、summary）。吸收项诊断（哪些 exog 列被完全吸收、冗余检测）。 absorbedeffects（被吸收效应的隐含估计）。	关心变量（exog）是否在理论上不会被吸收项完全吸收。选 AbsorbingLS（高维吸收）vs PanelOLS（标准面板，≤2 维固定效应）：前者支持任意高维，后者更稳但限维度。 LSMR 精度是否足够（与 LSDV 在子样本上对比）。

处理机制

01
核心处理链
Python面板回归与工具变量估计库，处理内生性和多维面板数据

已核对范围

读取 linearmodels/iv/model.py 的 IVModelBase、IVLSModelBase、IVLIML、IV2SLS、IVGMM、IVGMMCUE、OLS 类与 fit/estimateparameters/estimatekappa 方法
读取 linearmodels/iv/gmm.py 的 HomoskedasticWeightMatrix、HeteroskedasticWeightMatrix、KernelWeightMatrix、OneWayClusteredWeightMatrix、IVGMMCovariance
读取 linearmodels/iv/covariance.py、linearmodels/iv/data.py、linearmodels/iv/common.py（IVFormulaParser）
读取 README IV 段、doc/source/iv/、examples/ivbasic-examples.ipynb、examples/ivadvanced-examples.ipynb、examples/ivusing-formulas.ipynb
读取 linearmodels/system/model.py 的 SystemModelBase、LSSystemModelBase、IV3SLS、SUR、IVSystemGMM 类与 fit/fromformula/glsestimate/glsfinalize 方法
读取 linearmodels/system/covariance.py 的 HomoskedasticCovariance、HeteroskedasticCovariance、KernelCovariance、ClusteredCovariance、GMM 权重矩阵族
读取 linearmodels/system/gmm.py、linearmodels/system/results.py
读取 README System 段、doc/source/system/、examples/systemexamples.ipynb、examples/systemthree-stage-ls.ipynb、examples/systemformulas.ipynb

仍待核对

未运行本机 IV 拟合 smoke
未核对 GMM 迭代收敛判据在不同初值下的稳健性
未展开 CUE 数值优化的 solver 选择细节
未运行本机系统回归 smoke
未核对 GLS vs OLS 路径在 commonexog 时的等价性边界
未展开 IVSystemGMM 迭代权重矩阵的收敛判据细节
未运行本机因子定价 smoke
未核对 GMM 因子模型 steps2 迭代的收敛判据

原仓库

bashtage/linearmodels

读取版本

b535f5546081c27b4ff826ff03f326ffe379c58c

许可

BSD-3-Clause

AI 科研全流程怎么搭，我梳理出三个核心入口

每天开工先固定阶段入口、材料入口和验证入口，把庞大的科研全流程收缩成一段可执行、可检查的任务。

查看内容

科研之我见

AI 可以参与科研的哪些环节？一张 11 环节工作流全景图

从选题、文献、理论、数据到投稿，逐环节判断 AI 可以主导、需要人工校验和必须由研究者把关的工作。

查看内容

文献 · 分析 · 写作

grobid

把学术论文PDF解析成结构化TEI XML，提取元数据、全文结构和参考文献

查看内容

设计 · 分析 · 验证

CausalPy

用贝叶斯方法做准实验因果推断，含10+方法和稳健性诊断套件

查看内容

文献 · 设计 · 分析 · 写作

Scientific-Agent-Skills

为AI科研代理提供文献检索、写作、统计、实验设计和同行评审的结构化能力。

查看内容

把单项工具放进完整研究设计流程

课程一从研究问题、文献判断、理论假设和方法骨架继续推进，帮助你建立可以复用的研究设计档案。

查看课程一

能力	主要输入	主要输出	人工检查
工具变量估计源码已核对	dependent：被解释变量（nobs×1）。 exog：外生回归元（nobs×nexog）。 endog：内生回归元（nobs×nendog）。	IVResults（params、stderrors、tstats、pvalues、confint、cov、resids、firstdiagnostics、wuhausman、sargan、limlkappa、summary）。 IVGMMResults（额外 weightmat、weighttype、weightconfig、iteration、jstat）。 OLSResults（纯外生退化路径）。	内生性判断（Wu-Hausman）是否成立，是否真需要 IV。工具变量外生性与相关性（第一阶段 F、Shea partial R²、理论论证）。过度识别检验（Sargan/J）是否通过。
系统回归与多方程源码已核对	方程字典：{eqname: (dependent, exog)} 或 {eqname: dict(dependent=..., exog=...)}；每个方程可有独立 endog/instruments（IV3SLS）。或公式字典：{eqname: 'y ~ x1 + x2'}，支持跨方程共享变量。 sigma（可选预设跨方程残差协方差矩阵；若不给则估计）。	SystemResults（系统 params 堆叠、cov、sigma 跨方程协方差、tstats、pvalues、confint、systemr2、constraints、每方程子结果、summary）。 GMM 系统：额外 weightmat、weighttype、iterations。跨方程残差协方差矩阵 Σ（用于判断系统相关性强度）。	是否真需要系统估计（Σ 是否显著非对角，跨方程误差是否相关）。选 SUR vs 3SLS（有无内生性，需不需要工具）。选 OLS vs GLS 路径（共享外生 + 无约束时 OLS 等价且更简）。
线性因子资产定价源码已核对	portfolios：资产组合收益矩阵（nobs×nport），通常为测试资产的超额收益。 factors：因子矩阵（nobs×nf），可为交易因子（组合）或非交易因子（宏观）。 riskfree（默认 True）：True 时用超额收益（截距吸收），False 时保留无风险利率（3-step 估计）。	LinearFactorModelResults/TradedFactorModelResults（betas、riskpremia λ、alphas 定价误差、cov、rsquared 时间序列拟合、summary）。 GMMFactorModelResults（额外 jstat 过度识别、iterations、weight 信息）。 J 统计量（GMM/3-step 的过度识别检验）。	选 TradedFactorModel（交易因子，时间序列）vs LinearFactorModel（非交易因子，2/3-step）vs GMM（GMM 定价）。 riskfree 设定是否与收益输入一致。 GMM steps/usecue（2 步通常够；CUE 数值敏感）。
面板数据回归源码已核对	dependent：一维被解释变量，pandas Series / DataFrame / numpy / xarray。 exog：外生回归元矩阵；公式接口下由 formulaic 解析。面板索引：(entity, time) MultiIndex（要求 entity-time 唯一）；PanelData 内部规范化为 (entity × time) 堆叠二维数组 + 实体/时间 id。	PanelEffectsResults（params、stderrors、tstats、pvalues、confint、cov、resids、fittedvalues、estimatedeffects、rsquaredwithin/between/overall、fstatistic、summary）。 PanelResults（PooledOLS/BetweenOLS/FirstDifferenceOLS，无 estimatedeffects）。 RandomEffectsResults（含 variancedecomposition、theta、smallsample 修正）。	选固定效应还是随机效应（Hausman 检验）。聚类维度是否匹配真实组内相关结构（企业、地区、年份）。 HAC 的 bandwidth/kernel 是否匹配面板时间序列长度。
高维吸收回归源码已核对	dependent：被解释变量（nobs×1）。 exog：关心参数 β 对应的回归元（nobs×nexog）。 absorb：高维效应，DataFrame（分类列作固定效应，连续列作连续控制）或 Interaction(cat=..., cont=...)。	AbsorbingLSResults（params、stderrors、tstats、pvalues、confint、cov、resids、rsquared、absorbed 诊断、summary）。吸收项诊断（哪些 exog 列被完全吸收、冗余检测）。 absorbedeffects（被吸收效应的隐含估计）。	关心变量（exog）是否在理论上不会被吸收项完全吸收。选 AbsorbingLS（高维吸收）vs PanelOLS（标准面板，≤2 维固定效应）：前者支持任意高维，后者更稳但限维度。 LSMR 精度是否足够（与 LSDV 在子样本上对比）。

先判断任务是否合适

材料越清楚，结果越有用

从材料到可以检查的结果

构造模型

拟合估计

诊断检验

结果解读

报告输出

把仓库地址直接交给 AI

先看这些检查点

这些判断仍由你负责

查看能力拆解、验证范围与来源

工具变量估计

系统回归与多方程

线性因子资产定价

面板数据回归

工具变量估计

系统回归与多方程

线性因子资产定价

面板数据回归

高维吸收回归

处理机制

核心处理链

已核对范围

仍待核对

相关文章

AI 科研全流程怎么搭，我梳理出三个核心入口

AI 可以参与科研的哪些环节？一张 11 环节工作流全景图

具备相关能力的其他库

grobid

CausalPy

Scientific-Agent-Skills

把单项工具放进完整研究设计流程