#econometrics Repositorios
Descubre 28 repositorios activos de código abierto de GitHub etiquetados con #econometrics, que acumulan 64,490 estrellas en total (una media de 2,303 estrellas por proyecto). El líder de este tema es statsmodels/statsmodels, con 11,759 estrellas.
28 repositorios en total
Colección de cuadernos sobre finanzas cuantitativas, con código Python interactivo.
ALICE (Automated Learning and Intelligence for Causation and Economics) es un proyecto de Microsoft Research dirigido a aplicar conceptos de Inteligencia Artificial en la toma de decisiones económicas. Uno de sus objetivos es construir un kit de herramientas que combine técnicas de aprendizaje automático de vanguardia con econometría para llevar la automatización a problemas complejos de inferencia causal. Hasta la fecha, el SDK de Python de ALICE (econml) implementa algoritmos de aprendizaje automático ortogonal, como el trabajo de aprendizaje automático doble de
Inferencia Causal para los Valientes y los Verdaderos. Un enfoque ligero pero riguroso para aprender sobre la estimación de impacto y la causalidad.
Algoritmos de ML 2-2000x más rápidos, 50% menos uso de memoria, funciona en todo hardware - nuevo y viejo.
Repositorio para el curso de Doctorado en Métodos Empíricos Aplicados de Yale
Una biblioteca estadística diseñada para llenar el vacío en las capacidades de análisis de series temporales de Python, incluyendo el equivalente a la función auto.arima de R.
Una plantilla de Claude Code lista para bifurcar, diseñada para la investigación académica: artículos, análisis de datos (R, Stata, Python), presentaciones y docencia, con revisión multiagente, controles de calidad obligatorios y protocolos de replicación. También se puede usar con Codex y Antigravity.
Meridian es un marco MMM que permite a los anunciantes configurar y ejecutar sus propios modelos internos.
Robyn es un paquete experimental de modelado de mezcla de marketing (MMM) de código abierto impulsado por IA/ML de Meta Marketing Science. Nuestra misión es democratizar el conocimiento de modelado, inspirar a la industria a través de la innovación, reducir el sesgo humano en el proceso de modelado y construir una sólida comunidad de ciencia de marketing de código abierto.
Paquetes de habilidades de Claude Code/Codex específicos para revistas académicas, cubriendo publicaciones principales — AER, QJE, Nature, Cell, Management World, Economic Research Journal y más de 200 otras — tu vía rápida para publicar.
LightweightMMM 🦇 es una biblioteca ligera de modelado de mezcla de marketing bayesiano (MMM) que permite a los usuarios entrenar fácilmente MMM y obtener información de atribución de canales.
La versión traducida al chino de Causal Inference for the Brave and True. Todo el código se basa en Python y es aplicable a campos como la econometría, la sociología cuantitativa, la evaluación de estrategias, etc. Autor original de la versión en inglés: Matheus Facure
Este repositorio alberga el código detrás del libro en línea "Coding for Economists".
Pronóstico jerárquico probabilístico 👑 con métodos estadísticos y econométricos.
Una lista seleccionada de herramientas de IA, habilidades de agentes, bibliotecas y recursos para la investigación, la enseñanza y el análisis de políticas económicas. Mantenida por el equipo de OpenEcon.
Paquete R para calcular y representar predicciones, pendientes, medias marginales y comparaciones (contrastes, cocientes de riesgo, odds, etc.) para más de 100 clases de modelos estadísticos y de ML. Realizar pruebas de hipótesis lineales y no lineales, o pruebas de equivalencia. Calcular estimaciones de incertidumbre utilizando el método delta, bootstrapping o inferencia basada en simulación
Replicación de tablas y figuras de "Mostly Harmless Econometrics" en Stata, R, Python y Julia.
📖 Un compañero interactivo para el bien recibido libro de texto 'Introduction to Econometrics' de Stock & Watson (2015)
Preguntas frecuentes
¿Cuál es el repositorio de #econometrics más popular en GitHub?
El proyecto de código abierto de #econometrics mejor posicionado en GitHub es statsmodels/statsmodels, con 11,759 estrellas. Statsmodels: modelado estadístico y econometría en Python
¿Qué lenguajes de programación se utilizan más en los repositorios de #econometrics?
Entre los proyectos de #econometrics mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Stata, R.
¿Cómo se calcula la clasificación de los repositorios de #econometrics?
Seguimos 28 repositorios activos de código abierto etiquetados con #econometrics (500+ estrellas), que suman un total de 64,490 estrellas, con una media de 2,303 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.