如 cmets 中所述，PanelOLS 自 0.20.0 版起已从 Pandas 中删除。所以你真的有三个选择：
如果您使用 Python 3，则可以使用 linearmodels，如更新的答案中所述：https://stackoverflow.com/a/44836199/3435183
只需在您的 statsmodels 规范中指定各种假人，例如使用pd.get_dummies。如果固定效应的数量很大，则可能不可行。
-
或者做一些基于 groupby 的贬低，然后使用statsmodels（如果你估计有很多固定效果，这会起作用）。这是您可以为单向固定效果执行的操作的准系统版本：
import statsmodels.api as sm
import statsmodels.formula.api as smf
import patsy
def areg(formula,data=None,absorb=None,cluster=None):
y,X = patsy.dmatrices(formula,data,return_type='dataframe')
ybar = y.mean()
y = y - y.groupby(data[absorb]).transform('mean') + ybar
Xbar = X.mean()
X = X - X.groupby(data[absorb]).transform('mean') + Xbar
reg = sm.OLS(y,X)
# Account for df loss from FE transform
reg.df_resid -= (data[absorb].nunique() - 1)
return reg.fit(cov_type='cluster',cov_kwds={'groups':data[cluster].values})
例如，假设您有一个股票数据面板：所有股票的股票收益和其他股票数据，每个月在多个月内，并且您想要回归具有日历月固定效应的滞后收益的收益（其中日历月变量称为caldt），您还希望按日历月对标准误差进行聚类。您可以使用以下方法估计这样的固定效应模型：
reg0 = areg('ret~retlag',data=df,absorb='caldt',cluster='caldt')
如果使用旧版本的Pandas，您可以执行以下操作：
使用 pandas 的 PanelOLS（在 plm 模块中）的时间固定效果示例。注意，PanelOLS的导入：
>>> from pandas.stats.plm import PanelOLS
>>> df
y x
date id
2012-01-01 1 0.1 0.2
2 0.3 0.5
3 0.4 0.8
4 0.0 0.2
2012-02-01 1 0.2 0.7
2 0.4 0.5
3 0.2 0.3
4 0.1 0.1
2012-03-01 1 0.6 0.9
2 0.7 0.5
3 0.9 0.6
4 0.4 0.5
注意，数据框必须有一个多索引集； panelOLS根据索引确定time和entity效果：
>>> reg = PanelOLS(y=df['y'],x=df[['x']],time_effects=True)
>>> reg
-------------------------Summary of Regression Analysis-------------------------
Formula: Y ~ <x>
Number of Observations: 12
Number of Degrees of Freedom: 4
R-squared: 0.2729
Adj R-squared: 0.0002
Rmse: 0.1588
F-stat (1, 8): 1.0007, p-value: 0.3464
Degrees of Freedom: model 3, resid 8
-----------------------Summary of Estimated Coefficients------------------------
Variable Coef Std Err t-stat p-value CI 2.5% CI 97.5%
--------------------------------------------------------------------------------
x 0.3694 0.2132 1.73 0.1214 -0.0485 0.7872
---------------------------------End of Summary---------------------------------
文档字符串：
PanelOLS(self, y, x, weights = None, intercept = True, nw_lags = None,
entity_effects = False, time_effects = False, x_effects = None,
cluster = None, dropped_dummies = None, verbose = False,
nw_overlap = False)
Implements panel OLS.
See ols function docs
这是另一个功能（如fama_macbeth），我相信计划是将这个功能移至statsmodels。