Investigue el crecimiento económico, las diferencias de prosperidad y los ciclos económicos con este recurso en Python que acompaña el estudio de la macroeconomía intermedia. Sus 21 capítulos y ocho apéndices combinan datos reales, modelos interactivos, cuadernos computacionales y diapositivas de clase. Modifique parámetros, explore perturbaciones y compare las predicciones de los modelos con la evidencia para conectar el razonamiento económico con el análisis práctico.
¿Funcionó realmente una política si también afectó a las regiones de comparación? scspill, un paquete de Python, estima el efecto real y el desbordamiento.
¿Alcanzan las regiones pobres a las ricas? ¿Cae la desigualdad? geometrics lo mide con métodos espaciales en Python, figuras Plotly y apps Streamlit sin código.
¿Qué patrones y relaciones esconden sus datos de panel? expdpy los revela en Python, con figuras Plotly, tablas de publicación y apps Streamlit sin código.
Explore cómo los investigadores pasan de la correlación a la evidencia causal con este recurso en Python que acompaña a Mastering ’Metrics de Angrist y Pischke. Ejecute cuadernos con datos reales en Google Colab para estudiar experimentos aleatorizados, regresión, variables instrumentales, regresión discontinua y diferencias en diferencias. Los tutores de IA, una referencia de código y un programa en Spotify ofrecen formas complementarias de practicar y repasar los métodos.
Desarrolle su comprensión de la econometría con este recurso en Python que acompaña a Analysis of Economics Data de Cameron. Sus diecisiete capítulos conectan fundamentos estadísticos, regresión, datos de panel e inferencia causal con cuadernos de datos reales que se ejecutan en el navegador. Los resúmenes visuales, las diapositivas, los cuestionarios, los videos, los pódcasts y los tutores de IA ofrecen distintas formas de explorar los conceptos y reforzar las habilidades prácticas.