#econometrics Repository
Scopri 28 repository GitHub open source attivi contrassegnati con #econometrics, che raccolgono un totale di 64,490 stelle (con una media di 2,303 stelle per progetto). Il progetto leader di questo argomento è statsmodels/statsmodels, con 11,759 stelle.
28 repository in totale
Collezione di notebook sulla finanza quantitativa, con codice Python interattivo.
ALICE (Automated Learning and Intelligence for Causation and Economics) è un progetto di Microsoft Research mirato ad applicare concetti di Intelligenza Artificiale al processo decisionale economico. Uno dei suoi obiettivi è creare un kit di strumenti che combini tecniche di machine learning all'avanguardia con l'econometria al fine di portare l'automazione a problemi complessi di inferenza causale. Ad oggi, il SDK Python di ALICE (econml) implementa algoritmi di machine learning ortogonali come il lavoro sul double machine learning di
Inferenza Causale per i Coraggiosi e i Veri. Un approccio leggero ma rigoroso per apprendere la stima dell'impatto e la causalità.
Algoritmi ML 2-2000x più veloci, 50% in meno di utilizzo della memoria, funziona su tutti i hardware - nuovi e vecchi.
Una libreria statistica progettata per colmare il vuoto nelle capacità di analisi delle serie temporali di Python, inclusa l'equivalente della funzione auto.arima di R.
Un template di Claude Code pronto da forkare per la ricerca accademica — articoli, analisi dei dati (R, Stata, Python), presentazioni e didattica — con revisione multiagente, controlli di qualità obbligatori e protocolli di replicazione. È utilizzabile anche con Codex e Antigravity.
Meridian è un framework MMM che consente agli inserzionisti di impostare ed eseguire i propri modelli interni.
Robyn è un pacchetto sperimentale di Marketing Mix Modeling (MMM) open source basato su AI/ML di Meta Marketing Science. La nostra missione è democratizzare la conoscenza della modellazione, ispirare il settore attraverso l'innovazione, ridurre i bias umani nel processo di modellazione e costruire una forte comunità di marketing science open source.
Pacchetti di competenze Claude Code/Codex specifici per riviste, che coprono le principali pubblicazioni — AER, QJE, Nature, Cell, Management World, Economic Research Journal e oltre 200 altre — la tua corsia preferenziale per la pubblicazione.
LightweightMMM 🦇 è una libreria leggera di Bayesian Marketing Mix Modeling (MMM) che consente agli utenti di addestrare facilmente MMM e ottenere informazioni sull'attribuzione del canale.
La versione cinese tradotta di Causal Inference for the Brave and True. Tutto il codice è basato su Python ed è applicabile a campi come l'econometria, la sociologia quantitativa, la valutazione delle strategie, ecc. Autore originale della versione inglese: Matheus Facure
Questo repository ospita il codice alla base del libro online "Coding for Economists".
Previsioni gerarchiche probabilistiche 👑 con metodi statistici ed econometrici.
Una raccolta selezionata di strumenti di IA, competenze degli agenti, librerie e risorse per la ricerca economica, l’insegnamento e l’analisi delle politiche. Curata dal team OpenEcon.
Pacchetto R per calcolare e tracciare previsioni, pendenze, medie marginali e confronti (contrasti, rapporti di rischio, odds, ecc.) per oltre 100 classi di modelli statistici e ML. Condurre test di ipotesi lineari e non lineari o test di equivalenza. Calcolare stime di incertezza utilizzando il metodo delta, il bootstrapping o l'inferenza basata su simulazione
Replicazione di tabelle e figure da "Mostly Harmless Econometrics" in Stata, R, Python e Julia.
📖 Un compagno interattivo per il ben accolto testo 'Introduction to Econometrics' di Stock & Watson (2015)
Domande frequenti
Qual è il repository #econometrics più popolare su GitHub?
Il progetto open source #econometrics più alto in classifica su GitHub è statsmodels/statsmodels, con 11,759 stelle. Statsmodels: modellazione statistica ed econometria in Python
Quali linguaggi di programmazione sono più utilizzati nei repository #econometrics?
Tra i progetti #econometrics più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Stata, R.
Come viene calcolata la classifica dei repository #econometrics?
Monitoriamo 28 repository open source attivi contrassegnati con #econometrics (500+ stelle), per un totale di 64,490 stelle e una media di 2,303 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.