Git Stars Git Stars

#econometrics Repositórios

Descubra 28 repositórios ativos de código aberto no GitHub marcados com #econometrics, acumulando um total de 64,490 estrelas (uma média de 2,303 por projeto). O líder deste tópico é statsmodels/statsmodels, com 11,759 estrelas.

28
Total de Repositórios
64,490
Total de estrelas
2,303
Média de Estrelas/Repositório

28 repositórios no total

1
statsmodels/statsmodels

Statsmodels: modelagem estatística e econometria em Python

statsmodels
⭐ 11,759 Python 👤 statsmodels Organization 🕐 Atualizado 2026-11-21 📅 Criado 2011-06-12
2
cantaro86/Financial-Models-Numerical-Methods

Coleção de notebooks sobre finanças quantitativas, com código Python interativo.

cantaro86
⭐ 7,547 Jupyter Notebook 👤 cantaro86 User 🕐 Atualizado 2026-10-05 📅 Criado 2019-09-10
4
Nixtla/statsforecast

Previsão ⚡️ ultrarrápida com modelos estatísticos e econométricos.

Nixtla
⭐ 4,982 Python 👤 Nixtla Organization 🕐 Atualizado 2026-11-19 📅 Criado 2021-11-24
5
py-why/EconML

ALICE (Aprendizagem e Inteligência Automatizadas para Causa e Economia) é um projeto da Microsoft Research que visa aplicar conceitos de Inteligência Artificial à tomada de decisões econômicas. Um de seus objetivos é construir um conjunto de ferramentas que combine técnicas de aprendizado de máquina de última geração com econometria, a fim de automatizar problemas complexos de inferência causal. Até o momento, o SDK Python da ALICE (econml) implementa algoritmos de aprendizado de máquina ortogonais, como o trabalho de aprendizado de máquina duplo de

py-why
⭐ 4,861 Jupyter Notebook 👤 py-why Organization 🕐 Atualizado 2026-11-20 📅 Criado 2018-04-30
6
matheusfacure/python-causality-handbook

Inferência Causal para os Corajosos e Verdadeiros. Uma abordagem leve, mas rigorosa, para aprender sobre estimação de impacto e causalidade.

matheusfacure
⭐ 3,520 Jupyter Notebook 👤 matheusfacure User 🕐 Atualizado 2026-10-06 📅 Criado 2020-04-15
7
unslothai/hyperlearn

Algoritmos de ML 2.000x mais rápidos, 50% menos uso de memória, funciona em todo hardware - novo e antigo.

unslothai
⭐ 2,370 Jupyter Notebook 👤 unslothai Organization 🕐 Atualizado 2024-11-19 📅 Criado 2018-08-27
8
paulgp/applied-methods-phd

Repositório para o curso de métodos empíricos aplicados da Universidade de Yale para doutorado

paulgp
⭐ 2,270 TeX 👤 paulgp User 🕐 Atualizado 2026-04-30 📅 Criado 2021-01-13
9
alkaline-ml/pmdarima

Uma biblioteca estatística projetada para preencher a lacuna nas capacidades de análise de séries temporais do Python, incluindo o equivalente à função auto.arima do R.

alkaline-ml
⭐ 1,741 Python 👤 alkaline-ml Organization 🕐 Atualizado 2026-10-19 📅 Criado 2017-03-30
10
pedrohcgs/claude-code-my-workflow

Um template do Claude Code pronto para bifurcar, voltado à pesquisa acadêmica — artigos, análise de dados (R, Stata, Python), apresentações e ensino — com revisão multiagente, critérios de qualidade obrigatórios e protocolos de replicação. Também pode ser usado com Codex e Antigravity.

pedrohcgs
⭐ 1,729 HTML 👤 pedrohcgs User 🕐 Atualizado 2026-11-07 📅 Criado 2026-02-06
11
google/meridian

Meridian é uma estrutura de MMM que permite aos anunciantes configurar e executar os seus próprios modelos internos.

google
⭐ 1,608 Python 👤 google Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-01-31
12
facebookexperimental/Robyn

Robyn é um pacote de Modelagem de Mix de Marketing (MMM) experimental, com tecnologia de IA/ML e de código aberto da Meta Marketing Science. Nossa missão é democratizar o conhecimento de modelagem, inspirar a indústria através da inovação, reduzir o viés humano no processo de modelagem e construir uma forte comunidade de ciência de marketing de código aberto.

facebookexperimental
⭐ 1,538 Jupyter Notebook 👤 facebookexperimental Organization 🕐 Atualizado 2026-11-10 📅 Criado 2020-04-30
13
brycewang-stanford/Awesome-Journal-Skills

Pacotes de habilidades Claude Code/Codex específicos para periódicos, cobrindo as principais revistas — AER, QJE, Nature, Cell, Management World, Economic Research Journal e mais de 200 outras — seu caminho rápido para a publicação.

brycewang-stanford
⭐ 1,440 Stata 👤 brycewang-stanford User 🕐 Atualizado 2026-09-27 📅 Criado 2026-05-25
14
grf-labs/grf

Florestas Aleatórias Generalizadas

grf-labs
⭐ 1,121 C++ 👤 grf-labs Organization 🕐 Atualizado 2026-04-30 📅 Criado 2016-08-12
⭐ 1,026 GAMS 👤 DREAM-DK Organization 🕐 Atualizado 2026-11-19 📅 Criado 2022-01-07
16
google/lightweight_mmm

LightweightMMM 🦇 é uma biblioteca leve de Marketing Mix Modeling (MMM) Bayesiano que permite aos utilizadores treinar facilmente MMMs e obter informações de atribuição de canal.

google
⭐ 1,019 Python 👤 google Organization 🕐 Atualizado 2025-06-17 📅 Criado 2022-02-10
17
xieliaing/CausalInferenceIntro

Tradução para o Chinês de "Causal Inference for the Brave and True". Todo o código é baseado em Python, sendo aplicável a áreas como Econometria, Sociologia Quantitativa, Avaliação de Estratégias, entre outras. Autor original da versão em inglês: Matheus Facure

xieliaing
⭐ 968 Jupyter Notebook 👤 xieliaing User 🕐 Atualizado 2026-03-16 📅 Criado 2021-11-07
18
aeturrell/coding-for-economists

Este repositório hospeda o código por trás do livro online, Coding for Economists.

aeturrell
⭐ 947 Jupyter Notebook 👤 aeturrell User 🕐 Atualizado 2026-10-16 📅 Criado 2020-11-28
19
DoubleML/doubleml-for-py

DoubleML - Aprendizado de Máquina Duplo em Python

DoubleML
⭐ 801 Python 👤 DoubleML Organization 🕐 Atualizado 2026-11-18 📅 Criado 2020-09-09
20
Nixtla/hierarchicalforecast

Previsão Hierárquica Probabilística 👑 com métodos estatísticos e econométricos.

Nixtla
⭐ 770 Python 👤 Nixtla Organization 🕐 Atualizado 2026-11-20 📅 Criado 2022-06-21
21
hanlulong/awesome-ai-for-economists

Uma lista selecionada de ferramentas de IA, competências de agentes, bibliotecas e recursos para investigação, ensino e análise de políticas económicas. Mantida pela equipa OpenEcon.

hanlulong
⭐ 722 👤 hanlulong User 🕐 Atualizado 2026-11-07 📅 Criado 2026-02-21
22
fastverse/collapse

Transformação de Dados Avançada e Rápida em R

fastverse
⭐ 709 C 👤 fastverse Organization 🕐 Atualizado 2026-11-09 📅 Criado 2019-02-27
23
vincentarelbundock/marginaleffects

Pacote R para computar e plotar predições, inclinações, médias marginais e comparações (contrastes, razões de risco, chances, etc.) para mais de 100 classes de modelos estatísticos e de ML. Conduzir testes de hipóteses lineares e não lineares, ou testes de equivalência. Calcular estimativas de incerteza usando o método delta, bootstrapping ou inferência baseada em simulação

vincentarelbundock
⭐ 656 R 👤 vincentarelbundock User 🕐 Atualizado 2026-11-09 📅 Criado 2021-09-06
24
vikjam/mostly-harmless-replication

Replicação de tabelas e figuras de "Mostly Harmless Econometrics" em Stata, R, Python e Julia.

vikjam
⭐ 656 Stata 👤 vikjam User 🕐 Atualizado 2025-06-29 📅 Criado 2014-03-20
25
JohannesPfeifer/DSGE_mod

Uma coleção de modelos Dynare

JohannesPfeifer
⭐ 596 AMPL 👤 JohannesPfeifer User 🕐 Atualizado 2026-03-31 📅 Criado 2015-04-21
26
laurencium/Causalinference

Inferência Causal em Python

laurencium
⭐ 581 Python 👤 laurencium User 🕐 Atualizado 2026-09-26 📅 Criado 2014-06-04
27
mca91/EconometricsWithR

📖Um companheiro interativo para o bem recebido livro didático 'Introduction to Econometrics' de Stock & Watson (2015)

mca91
⭐ 532 R 👤 mca91 User 🕐 Atualizado 2026-04-04 📅 Criado 2017-10-07
28
visprex/visprex

Visualize seus arquivos CSV em segundos sem enviar seus dados para lugar nenhum

visprex
⭐ 526 TypeScript 👤 visprex Organization 🕐 Atualizado 2026-11-02 📅 Criado 2023-08-07

Perguntas Frequentes

1

Qual é o repositório de #econometrics mais popular no GitHub?

O projeto de código aberto de #econometrics mais bem classificado no GitHub é statsmodels/statsmodels, com 11,759 estrelas. Statsmodels: modelagem estatística e econometria em Python

2

Quais linguagens de programação são mais usadas nos repositórios de #econometrics?

Entre os projetos de #econometrics mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Stata, R.

3

Como é calculada a classificação dos repositórios de #econometrics?

Acompanhamos 28 repositórios ativos de código aberto marcados com #econometrics (com mais de 500 estrelas), totalizando 64,490 estrelas e uma média de 2,303 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.