Py学习  »  Git

GitHub中最受欢迎的Stata仓库

连享会 • 1 年前 • 192 次点击  

👇 连享会 · 推文导航 | www.lianxh.cn

连享会课程 · 基于机器学习的因果推断方法

作者:范思妤 (南京大学)
邮箱:fansiyu@smail.nju.edu.cn

温馨提示: 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码,直达原文:


目录

  • 1. GitHub 简介

  • 2. 浏览 GitHub 主题

  • 2. GitHub 中受欢迎的 Stata 仓库

    • 2.1 mostly-harmless-replication 仓库

    • 2.2 DID 仓库

    • 2.3 stata_kernel 仓库

    • 2.4 ietoolkit 仓库

    • 2.5 ipystata 仓库

  • 3. 如何在 GitHub 中 Fork 这些仓库

  • 4. 将 GitHub 中的仓库 fork 到码云

  • 5. 连享会码云

  • 6. 相关推文



1. GitHub 简介

GitHub 是一个免费代码托管平台,用于管理代码与远程协作,可以让你和他人在任何地方共同开展项目。为什么使用 GitHub 变得越来越重要?因为数据共享和协同工作现在已经变得司空见惯。在经济学、金融学领域,越来越多的学者开始重视研究的透明度和可复制性,使用便于交流和复现的数据代码仓库也正在成为一种常态。

2. 浏览 GitHub 主题

通过搜索主题,我们可以浏览与特定领域相关的 GitHub 仓库,并发现特定问题的解决方案。具体地,打开链接 https://github.com/topics,即可获取 Github 主题列表。

2. GitHub 中受欢迎的 Stata 仓库

通过主题搜索,我们可以找到 GitHub 中与 Stata 主题相关的仓库,详情点击链接 https://github.com/topics/stata。截至 2022 年 7 月,GitHub 中与 Stata 主题相关的仓库共有 522 个,其中包括计量书籍 Stata 代码、论文实证 Stata 代码、Stata 命令、因果推断方法 Stata 实现等。

在本文中,我们重点介绍其中 5 个热门仓库。

2.1 mostly-harmless-replication 仓库

仓库简介:此仓库中包含了对《基本无害的计量经济学:实证研究者指南》一书的复习代码,是学习因果推断实证计量方法、掌握对应方法实现代码的绝佳资料。

仓库链接:https://github.com/vikjam/mostly-harmless-replication

2.2 DID 仓库

仓库简介:此仓库从 Twitter、GitHub、YouTube 等相关来源中收集整理 DID 文献的最新发展。在此仓库中,你能获取与 DID 相关的各种资源,包括:

  • Stata 命令包
  • R 命令包
  • Julia 命令包
  • Stata 代码
  • 其他资源 (相关讲义,视频,论文等)

仓库链接:https://github.com/asjadnaqvi/DiD 和 https://asjadnaqvi.github.io/DiD/

2.3 stata_kernel 仓库

仓库简介:该仓库中存放了 Jupyter Notebook 的 Stata Kernal。Jupyter Notebook 是一种文件格式,允许在单个文档中使用文本、代码和结果进行交互式编码。Jupyter 本身与语言无关,即它允许用任何语言编写代码。如果我们想在 Jupyter 上面运行 Python3.X / Stata /Julia / R 的程序,就需要手动加对应的内核 (Kernal)。

与 Python 和 Stata 交互命令 IPyStata 相比,Stata Kernal 不需要特殊命令,使用者即可在 Jupyter Notebook 中像往常在 Stata 中一样编写代码。

仓库链接:https://github.com/kylebarron/stata_kernel 和 https://kylebarron.dev/stata_kernel/

2.4 ietoolkit 仓库

仓库简介:仓库中存放了 ietoolkit 命令包相关数据。ietoolkit 命令包是由世界银行发展影响评估部门开发,用于简化数据管理和分析过程。ietoolkit 提供了一组命令,这些命令解决了与影响评估有关的数据管理和数据分析的不同方面。命令详情,详见连享会推文「Stata数据处理:ietoolkit命令组介绍」。

仓库链接:https://github.com/worldbank/ietoolkit

2.5 ipystata 仓库

仓库简介ipystata 命令让用户可以在 Jupyter Notebook 中交互使用 Python 和 Stata。该仓库存放了与 ipystata 命令包相关的数据,并详细阐述了 ipystata 如何获取、设置和使用。

仓库链接:https://github.com/TiesdeKok/ipystata

3. 如何在 GitHub 中 Fork 这些仓库

在 GitHub 中,Fork 的意思是指将别人建立好的仓库全部复制到自己的账号中。Fork 动作后,会在自己的账号主页中出现该原始仓库的复制项。对于 GitHub 中的 Stata 主题仓库,我们可以通过如下步骤,Fork这些仓库:

第一步:在 Stata 主题搜索的结果页,点击相关的仓库名,进入仓库的页面。在页面右上角,点击 Fork 选项。

第二步:点击 Fork 后,跳转到如下页面。在该页面中,默认填充原始仓库的信息,用户也可以按照自己的想法,更改 Fork 仓库的基本信息,编辑对应红框中的字段即可。

第三步:确认无误后,点击 Create fork ,即可在自己的主页创建原始仓库的复制项。

4. 将 GitHub 中的仓库 fork 到码云

码云是国内一家专注于代码托管和研发协作的平台,提供汉语界面,符合国人的使用习惯。其功能与使用方式和 GitHub 大致相仿,相较于 GitHub,在国内使用码云的速度会更快更稳定。我们可以将 GitHub 账号下的仓库 fork 到国内的码云仓库。具体步骤如下:

第一步:注册码云账号。进入主页,在主页右上角,点击加号。在下拉菜单中,选择 “从 GitHub 中导入仓库”。

第二步:转到如下页面后,我们有以下 2 种方法导入仓库:

  • 可以通过 URL 导入。复制 GitHub 仓库主页的网址,并粘贴在码云中,即可将对应 GitHub 仓库导入到码云;
  • 将 GitHub 账号和码云账号关联。关联后,码云能读取到 GitHub 个人主页上的所有仓库,然后我们在 Github 上导入感兴趣的仓库即可。

5. 连享会码云

「连享会码云」中存储着连享会平台的海量精选数据和代码仓库,涉及 RDD,IV,DID,合成控制法、论文复现等主题。感兴趣的同学可以关注连享会码云主页,并 Fork 相关主题内容。

6. 相关推文

Note:产生如下推文列表的 Stata 命令为:
lianxh Python交互 github, m
安装最新版 lianxh 命令:
ssc install lianxh, replace

  • 专题:Stata教程
    • Stata-Python交互-9:将python数据导入Stata
    • Stata-Python交互-8:将Stata数据导入Python
    • Stata-Python交互-7:在Stata中实现机器学习-支持向量机
    • Stata-Python交互-6:调用APIs和JSON数据
    • Stata-Python交互-5:边际效应三维立体图示
    • Stata-Python交互-4:如何调用Python宏包
    • Stata-Python交互-3:如何安装Python宏包
    • Stata-Python交互-2:在Stata中调用Python的三种方式
    • Stata-Python交互-1:二者配合的基本设定
  • 专题:Stata命令
    • 如何通过-GitHub-发布自己的-Stata-命令?
  • 专题:Stata资源
    • Github使用方法及Stata资源
  • 专题:Python-R-Matlab
    • Stata-Python交互-10:Stata17 新特性之PyStata的配置与应用
  • 专题:其它
    • 如何搭建个人主页-GitHub / Gitee

课程推荐:因果推断实用计量方法
主讲老师:邱嘉平教授
🍓 课程主页 https://gitee.com/lianxh/YGqjp

New! Stata 搜索神器:lianxhsongbl  GIF 动图介绍
搜: 推文、数据分享、期刊论文、重现代码 ……
👉 安装:
. ssc install lianxh
. ssc install songbl
👉  使用:
. lianxh DID 倍分法
. songbl all

🍏 关于我们

  • 连享会 ( www.lianxh.cn,推文列表) 由中山大学连玉君老师团队创办,定期分享实证分析经验。
  • 直通车: 👉【百度一下: 连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/152569
 
192 次点击