Эконометрика и каузальный вывод

NextStat включает оценки для панельных данных, разность разностей (DiD), инструментальные переменные, и двойственно-робастный каузальный вывод. Везде доступны интерфейсы формул и робастные стандартные ошибки.

Панельные фиксированные эффекты (Panel FE)

from nextstat.econometrics import panel_fe_fit, panel_fe_from_formula

fit = panel_fe_fit(X, y, entity_ids, cluster_ids=entity_ids)
# или
fit = panel_fe_from_formula("y ~ x1 + x2", data, entity_col="firm", cluster_col="firm")

Разность разностей (DiD)

from nextstat.econometrics import did_twfe_fit, event_study_twfe_fit

# Разность-разностей (DiD) с двухсторонними фиксированными эффектами (TWFE)
fit = did_twfe_fit(y, treated, post, entity_ids, time_ids)

# Событийное исследование (event study) с leads и lags
fit = event_study_twfe_fit(
    y, treated, event_time, entity_ids, time_ids,
    leads=3, lags=5
)

Инструментальные переменные (2SLS)

from nextstat.econometrics import iv_2sls_fit, iv_2sls_from_formula

fit = iv_2sls_fit(y, X_endog, X_exog, Z_instruments, cov_type="hc1")

# Интерфейс формул
fit = iv_2sls_from_formula(
    "wage ~ education | parent_education + distance_to_college",
    data, cov_type="cluster", cluster_col="state"
)

# Диагностика слабых инструментов
print(fit.first_stage_f)     # first-stage F statistic
print(fit.partial_r2)        # partial R² инструментов

Двойственно-робастный каузальный вывод (AIPW)

from nextstat.causal import aipw

result = aipw.estimate(y, treatment, X)

print(result.ate)        # средний эффект лечения (ATE)
print(result.att)        # средний эффект на получивших лечение (ATT)
print(result.e_value)    # E-value для анализа чувствительности

Propensity scores (склонностные баллы)

from nextstat.causal import propensity

ps = propensity.fit(treatment, X)

print(ps.scores)              # propensity scores
print(ps.ipw_weights)         # inverse probability weights
print(ps.overlap_diagnostic)  # статистика overlap
print(ps.balance_table)       # баланс ковариат до/после