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）。
只想知道使用我拥有的相同面板数据集，statsmodels的OLS和scikit的PooledOlS有什么区别。我都尝试过，他们给了我相同的结果。这是否意味着他们本质上是在做相同的事情，但包装不同？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
我目前在我的数据框中有一个MultiIndex（银行和日期）。我应该使用它进行面板回归吗？
编辑：根据我的理解，确定PooledOLS是多元线性回归的“特殊”情况，因此其结果与statsmodels的OLS相同？如果我错了请纠正我！