#econometrics Repositories
Entdecke 28 aktive Open-Source-GitHub-Repositories, die mit #econometrics getaggt sind und insgesamt 64,490 Sterne gesammelt haben (durchschnittlich 2,303 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist statsmodels/statsmodels mit 11,759 Sternen.
Insgesamt 28 Repositories
Sammlung von Notebooks über quantitative Finanzen mit interaktivem Python-Code.
ALICE (Automated Learning and Intelligence for Causation and Economics) ist ein Microsoft Research-Projekt, das darauf abzielt, Konzepte der Künstlichen Intelligenz auf wirtschaftliche Entscheidungsfindung anzuwenden. Eines seiner Ziele ist es, ein Toolkit zu entwickeln, das modernste Machine-Learning-Techniken mit Ökonometrie kombiniert, um Automatisierung in komplexe kausale Inferenzprobleme zu bringen. Bis heute implementiert das ALICE Python SDK (econml) orthogonale Machine-Learning-Algorithmen wie die Double-Machine-Learning-Arbeit von
Kausale Inferenz für die Mutigen und Wahrhaftigen. Ein unbeschwerter, aber dennoch rigoroser Ansatz, um etwas über Erfolgsschätzung und Kausalität zu lernen.
2-2000x schnellere ML-Algorithmen, 50 % weniger Speicherverbrauch, funktioniert auf allen Hardware - neu und alt.
Repo für den Promotionskurs für angewandte empirische Methoden an der Yale University
Eine Statistikbibliothek, die die Lücke in den Zeitreihenanalyse-Fähigkeiten von Python füllen soll, einschließlich des Äquivalents zur auto.arima-Funktion von R.
Ein sofort forkbares Claude-Code-Template für die akademische Forschung – für Papers, Datenanalyse (R, Stata, Python), Präsentationen und Lehre – mit Multi-Agenten-Review, verbindlichen Qualitätsschranken und Replikationsprotokollen. Es kann auch mit Codex und Antigravity verwendet werden.
Meridian ist ein MMM-Framework, das es Werbetreibenden ermöglicht, ihre eigenen Inhouse-Modelle einzurichten und auszuführen.
Robyn ist ein experimentelles, KI/ML-gestütztes und Open-Source-Marketing-Mix-Modeling (MMM)-Paket von Meta Marketing Science. Unsere Mission ist es, Modellierungswissen zu demokratisieren, die Branche durch Innovation zu inspirieren, menschliche Voreingenommenheit im Modellierungsprozess zu reduzieren und eine starke Open-Source-Marketingwissenschaftsgemeinschaft aufzubauen.
Journal-spezifische Claude Code/Codex-Skill-Pakete für führende Fachzeitschriften — AER, QJE, Nature, Cell, Management World, Economic Research Journal & über 200 weitere — Ihr schneller Weg zur Veröffentlichung.
LightweightMMM 🦇 ist eine leichte Bayesian Marketing Mix Modeling (MMM)-Bibliothek, die es Benutzern ermöglicht, MMMs einfach zu trainieren und Informationen zur Kanalzuordnung zu erhalten.
Die chinesische Übersetzung von Causal Inference for the Brave and True. Der gesamte Code basiert auf Python und ist für Bereiche wie Ökonometrie, quantitative Soziologie und Strategiebewertung geeignet. Originalautor der englischen Version: Matheus Facure
Dieses Repository beherbergt den Code hinter dem Online-Buch "Coding for Economists".
Probabilistische hierarchische Vorhersage 👑 mit statistischen und ökonometrischen Methoden.
Eine kuratierte Liste von KI-Tools, Agentenfähigkeiten, Bibliotheken und Ressourcen für wirtschaftswissenschaftliche Forschung, Lehre und Politikanalyse. Gepflegt vom OpenEcon-Team.
R-Paket zur Berechnung und Darstellung von Vorhersagen, Steigungen, marginalen Mitteln und Vergleichen (Kontraste, Risikoquotienten, Odds usw.) für über 100 Klassen von statistischen Modellen und ML-Modellen. Durchführung von linearen und nichtlinearen Hypothesentests oder Ähnlichkeitstests. Berechnung von Unsicherheitsschätzungen mit der Delta-Methode, Bootstrapping oder simulationsbasierter Inferenz
Replikation von Tabellen und Abbildungen aus "Mostly Harmless Econometrics" in Stata, R, Python und Julia.
📖 Ein interaktiver Begleiter zum gut aufgenommenen Lehrbuch 'Introduction to Econometrics' von Stock & Watson (2015)
Visualisieren Sie Ihre CSV-Dateien in Sekundenschnelle, ohne Ihre Daten irgendwohin zu senden
Häufig gestellte Fragen
Welches ist das beliebteste #econometrics-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#econometrics-Projekt auf GitHub ist statsmodels/statsmodels mit 11,759 Sternen. Statsmodels: Statistische Modellierung und Ökonometrie in Python
Welche Programmiersprachen werden in #econometrics-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #econometrics-Projekten auf GitHub sind Python, Jupyter Notebook, Stata, R die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #econometrics-Repositories berechnet?
Wir verfolgen 28 aktive Open-Source-Repositories, die mit #econometrics getaggt sind (500+ Sterne), mit insgesamt 64,490 Sternen und durchschnittlich 2,303 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.