为什么我用statsmodels做OLS和用scikit做PooledOLS得到相同的结果？

Question

我现在正在用python做一个机器学习项目（这里是初学者，从头开始学习）

我只是想知道，使用我拥有的同一个面板数据集，statsmodels的OLS和scikit的PooledOlS有什么区别。我两个都试过了，结果都一样。这是否意味着他们基本上在做同一件事，但来自不同的软件包？我应该得到同样的结果吗？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

我目前有一个多索引（银行和日期）在我的数据帧。我应该用它来做面板回归吗

编辑：据我所知，PooledOLS是多元线性回归的一个“特殊”例子，所以它会给出与statsmodels相同的结果？如果我错了就纠正我

Answer 1

OLS：普通最小二乘法只是一种简单的计算方法
根据如何解正规方程，实现可能不同，但是测量执行时间可能是好的，因为计算量不同