#econometrics Dépôts
Découvrez 28 dépôts GitHub open source actifs associés à #econometrics, cumulant 64,490 étoiles au total (soit une moyenne de 2,303 étoiles par projet). Le projet en tête de ce thème est statsmodels/statsmodels, avec 11,759 étoiles.
28 dépôts au total
Collection de carnets sur la finance quantitative, avec du code Python interactif.
ALICE (Automated Learning and Intelligence for Causation and Economics) est un projet de Microsoft Research visant à appliquer des concepts d'Intelligence Artificielle à la prise de décision économique. L'un de ses objectifs est de construire un kit d'outils qui combine des techniques d'apprentissage automatique de pointe avec l'économétrie afin d'apporter l'automatisation à des problèmes complexes d'inférence causale. À ce jour, le SDK Python ALICE (econml) implémente des algorithmes d'apprentissage automatique orthogonaux tels que le travail sur l'apprentissage automatique double de
Inférence Causale pour les Braves et les Vrais. Une approche légère mais rigoureuse pour apprendre l'estimation de l'impact et la causalité.
Algorithmes ML 2-2000x plus rapides, 50 % d'utilisation de mémoire en moins, fonctionne sur tout le matériel - neuf et ancien.
Repo pour le cours de doctorat en méthodes empiriques appliquées de Yale
Une bibliothèque statistique conçue pour combler le vide dans les capacités d'analyse de séries temporelles de Python, incluant l'équivalent de la fonction auto.arima de R.
Un modèle Claude Code prêt à être forké pour la recherche universitaire — articles, analyse de données (R, Stata, Python), présentations et enseignement — avec revue multi-agents, contrôles qualité obligatoires et protocoles de réplication. Il fonctionne aussi avec Codex et Antigravity.
Meridian est un framework MMM qui permet aux annonceurs de configurer et d'exécuter leurs propres modèles internes.
Robyn est un package expérimental de modélisation du mix marketing (MMM) open source basé sur l'IA/ML de Meta Marketing Science. Notre mission est de démocratiser les connaissances en modélisation, d'inspirer l'industrie par l'innovation, de réduire les biais humains dans le processus de modélisation et de construire une communauté solide de science du marketing open source.
Packs de compétences Claude Code/Codex spécifiques aux revues, couvrant les principales publications — AER, QJE, Nature, Cell, Management World, Economic Research Journal et plus de 200 autres — votre voie rapide vers la publication.
LightweightMMM 🦇 est une bibliothèque légère de modélisation bayésienne du mix marketing (MMM) qui permet aux utilisateurs d'entraîner facilement des MMM et d'obtenir des informations sur l'attribution des canaux.
La version chinoise traduite de Causal Inference for the Brave and True. Tout le code est basé sur Python et s'applique à des domaines tels que l'économétrie, la sociologie quantitative, l'évaluation de stratégies, etc. Auteur original de la version anglaise : Matheus Facure
Ce dépôt héberge le code du livre en ligne "Coding for Economists".
Prévision hiérarchique probabiliste 👑 avec des méthodes statistiques et économétriques.
Une sélection d’outils d’IA, de compétences d’agents, de bibliothèques et de ressources pour la recherche, l’enseignement et l’analyse des politiques économiques. Maintenue par l’équipe OpenEcon.
Package R pour calculer et tracer des prédictions, des pentes, des moyennes marginales et des comparaisons (contrastes, rapports de risque, odds, etc.) pour plus de 100 classes de modèles statistiques et de ML. Effectuer des tests d'hypothèses linéaires et non linéaires, ou des tests d'équivalence. Calculer des estimations d'incertitude à l'aide de la méthode delta, du bootstrapping ou de l'inférence basée sur la simulation
Réplication des tableaux et figures de "Mostly Harmless Econometrics" en Stata, R, Python et Julia.
📖 Un compagnon interactif pour le manuel bien accueilli 'Introduction to Econometrics' de Stock & Watson (2015)
Foire aux questions
Quel est le dépôt #econometrics le plus populaire sur GitHub ?
Le projet #econometrics open source le mieux classé sur GitHub est statsmodels/statsmodels, avec 11,759 étoiles. Statsmodels : modélisation statistique et économétrie en Python
Quels langages de programmation sont les plus utilisés dans les dépôts #econometrics ?
Parmi les projets #econometrics les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Stata, R.
Comment le classement des dépôts #econometrics est-il calculé ?
Nous suivons 28 dépôts open source actifs associés à #econometrics (500+ étoiles), totalisant 64,490 étoiles, avec une moyenne de 2,303 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.