python - 为什么使用 statsmodels 执行 OLS 和使用 scikit 执行 PooledOLS 时会得到相同的结果？

Question

我目前正在使用 python 做一个机器学习项目(这里是初学者，从头开始学习一切)。

只是想知道 statsmodels 的 OLS 和 scikit 的 PooledOlS 使用我拥有的相同面板数据集有什么区别。我尝试了两者，他们给了我相同的结果。这是否意味着他们本质上是在做同样的事情，但来自不同的包？我应该得到相同的结果吗？还是我做错了什么？

我的数据集如下所示:

                  excessreturnlag1m      ROA  ...  momentum6m  momentum12m
bank  date                                    ...                         
bankA 2019-06-30         -14.564600   0.9795  ...        0.14        -0.24
      2019-05-31           7.522300   0.9795  ...       -0.69        -1.97
      2019-04-30          -2.020400   0.9795  ...        1.36        -1.70
bankB 2019-06-30          -5.969600   0.9915  ...       -0.39        -1.77
      2019-05-31           0.220200   0.9915  ...       -0.24        -2.00
      2019-04-30          -1.900000   0.9915  ...       -0.06        -1.42
bankC 2019-06-30           2.721700   0.9763  ...       -0.38        -1.13
      2019-05-31          -8.418900   0.9763  ...       -1.28        -1.19
      2019-04-30          -1.001100   0.9763  ...       -3.06        -1.16

我的数据框中目前有一个多重索引(银行和日期)。我应该用它来进行面板回归吗？

编辑:据我了解，PooledOLS 是多元线性回归的“特殊”情况，因此它会给出与 statsmodels 的 OLS 相同的结果吗？如果我错了请纠正我!

Answer 1

OLS :普通最小二乘法只是一种简单的计算方法。
根据如何求解正规方程，实现可能会有所不同，但测量执行时间可能是好的，因为计算量存在差异。