findscripter 何时使用
适用场景：
- 需要推断而非纯预测：要看系数、标准误、置信区间、p 值，并出可发表的统计结果表（
results.summary()）。 - 线性回归（OLS/WLS/GLS/分位数回归）、广义线性模型（logistic/Poisson/Gamma 等）、离散/计数结果（二元/多元/有序/计数）。
- 时间序列建模与预测（AR/ARIMA/SARIMAX/VAR/指数平滑）。
- 假设检验与模型诊断：异方差、自相关、正态性、共线性、异常值/强影响点，模型比较（AIC/BIC、似然比检验）。
不该用的边界：
- 只追求预测精度、不需要统计推断 → 用
scikit-learn-ml（交叉验证 + Pipeline + 调参）。 - 深度学习、大模型、GPU 训练 → 用 PyTorch / TensorFlow。
- 仅做数据清洗（缺失/去重/类型）→ 先用
csv-data-cleaner，清洗后再建模。 - 仅做统计图表 → 用
seaborn-statistical-charts/matplotlib-visualization。 - 不能替代环境相关的验证、测试或专家复核；缺目标列、样本太小或成功标准不明时先澄清。
步骤 / 指令
先按结果类型选模型（最常见的错是用错模型）：
| 结果变量 | 模型 |
|---|---|
| 连续 | OLS（异方差→WLS 或稳健 SE） |
| 二元 0/1 | Logit / Probit |
| 计数 | GLM(family=Poisson)；过离散→NegativeBinomial |
| 正偏态连续 | GLM(family=Gamma) |
| 多分类/有序 | MNLogit / OrderedModel |
| 时间序列 | ARIMA / SARIMAX / VAR |
通用流程：
- 探查数据：缺失值先处理；区分数值/类别列。
- 加常数项：
X = sm.add_constant(X_data)——除非刻意去截距，否则必须加（用 formula API 自动含截距）。 - 拟合：
model.fit()，注意优化是否收敛（看 warning）。 - 读结果：
print(results.summary())，关注系数、p 值、置信区间、R²/伪 R²、AIC/BIC。 - 诊断：残差 vs 拟合值散点、Q-Q 图；按需做异方差/自相关/正态性检验。
- 稳健推断：有异方差或聚类时用稳健标准误（
cov_type='HC3'或HAC/cluster）。 - 比较模型：嵌套用似然比检验（LR），非嵌套用 AIC/BIC（越小越好）。
- 预测：
results.get_prediction(X_new).summary_frame()，含均值、置信区间与预测区间。
Formula API（R 风格，推荐用 DataFrame 时）：smf.ols('y ~ x1 + x2 + x1:x2', data=df).fit()；类别列 C(group)；交互 x1*x2；多项式 I(x**2)；对应有 smf.logit / smf.poisson。
安装：uv pip install statsmodels（可选 pandas numpy scipy matplotlib）。
示例
OLS 线性回归 + 异方差诊断：
import statsmodels.api as sm
from statsmodels.stats.diagnostic import het_breuschpagan
X = sm.add_constant(X_data) # 务必加截距
results = sm.OLS(y, X).fit()
print(results.summary()) # 系数/p值/置信区间/R²
print(f"R-squared: {results.rsquared:.4f}")
# Breusch-Pagan 异方差检验；p<0.05 提示异方差
bp = het_breuschpagan(results.resid, X)
print(f"Breusch-Pagan p: {bp[1]:.4f}")
if bp[1] < 0.05: # 有异方差→改用稳健标准误
results = sm.OLS(y, X).fit(cov_type="HC3")
Logistic 回归（二元结果）+ 优势比 + 边际效应：
from statsmodels.discrete.discrete_model import Logit
res = Logit(y_binary, sm.add_constant(X_data)).fit()
print(res.summary())
print("Odds ratios:\n", np.exp(res.params)) # log-odds→优势比
print(res.get_margeff().summary()) # 平均边际效应
probs = res.predict() # 预测概率
ARIMA 时间序列预测（先验平稳，再定阶）：
from statsmodels.tsa.stattools import adfuller
from statsmodels.tsa.arima.model import ARIMA
if adfuller(y_series)[1] > 0.05: # ADF p>0.05→非平稳，需差分
pass # 由 ARIMA 的 d 阶处理，或 .diff().dropna()
res = ARIMA(y_series, order=(1, 1, 1)).fit()
print(res.summary())
fc = res.get_forecast(steps=10).summary_frame() # 含均值与置信区间
res.plot_diagnostics(figsize=(12, 8)) # 残差诊断（Ljung-Box 等）
Poisson GLM + 过离散检查（过离散则换负二项）：
res = sm.GLM(y_counts, sm.add_constant(X_data),
family=sm.families.Poisson()).fit()
od = res.pearson_chi2 / res.df_resid # >1.5 视为过离散
if od > 1.5:
from statsmodels.discrete.count_model import NegativeBinomial
res = NegativeBinomial(y_counts, sm.add_constant(X_data)).fit()
模型比较：
# 非嵌套：比 AIC/BIC（越小越好）
# 嵌套：似然比检验
from scipy import stats
lr = 2 * (full.llf - reduced.llf)
p = 1 - stats.chi2.cdf(lr, full.df_model - reduced.df_model)
注意事项
- 忘加常数项：
sm.OLS等不会自动加截距，须sm.add_constant()；formula API 才自动含截距。 - 用错模型：二元→Logit/Probit，计数→Poisson/NB，别一律 OLS。
- 解释系数要还原链接函数：log 链接看
exp(β)（率比/优势比），不要直接读 logit/log 尺度系数。 - Poisson 过离散：先查
pearson_chi2/df_resid，>1.5 改负二项；零过多考虑 ZIP/ZINB/Hurdle。 - 时间序列须先平稳：ADF/KPSS 检验，非平稳先差分，否则 ARIMA 结果失真。
- 检查收敛：留意优化 warning；离散/计数模型不收敛常因完全分离或共线。
- 预测区间 ≠ 置信区间：预测区间更宽（含个体噪声），别混用。
- 多重检验要校正（Bonferroni/FDR）；有异方差/聚类用稳健 SE（HC0–HC3、Newey-West、cluster）。
- 报告时同时给效应量与置信区间，而非只给 p 值；标注变换与剔除的观测。
- 不能替代环境相关验证与专家复核；输出仅供参考。
互见
- requires：无。
- related：
scikit-learn-ml（侧重预测的机器学习，与本技能侧重推断互补）；seaborn-statistical-charts、matplotlib-visualization（残差/诊断图与结果可视化）。 - combines_with：
csv-data-cleaner（建模前清洗脏数据，清洗完再进本技能）。
采编自 sickn33/antigravity-awesome-skills（MIT 许可）；该技能内容原署 K-Dense Inc.，原始声明为 BSD-3-Clause，均可再分发。