ENH: Linear IV Panel model estimation - interested in contributing
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Tranquilo
- Stack tecnológico
- python
- Área
- machine-learning
Línea de trabajo
Discuss API design with maintainers first, following patterns from PanelOLS and IV2SLS. The work would add Linear IV Panel estimators (FE-2SLS, RE-2SLS, pooled IV) under linearmodels/panel/ or linearmodels/iv/ with tests validated against Stata and R.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I noticed in the project roadmap that Linear IV Panel model estimation is listed as "not started." I would like to take this on as a substantial contribution.
My plan would be to start with the core estimators (FE-2SLS, RE-2SLS, pooled IV) and build incrementally from there, with tests validated against Stata and R. I am familiar with the existing panel and IV modules in the codebase.
Before I start, a few questions:
- Do you have any preferences on the API design? I assume it should follow the same patterns as
PanelOLS/IV2SLS(formula interface,.fit()returning a results object, etc.) - Are there specific estimators you consider higher priority (e.g., Hausman-Taylor, Between-IV)?
- Should this live under
linearmodels/iv/or a newlinearmodels/panel/iv/subpackage?
Happy to discuss the design before writing code.
- Lenguaje dominante
- Python
- Estrellas
- 1.1k
- Forks
- 203
- Merge medio
- 3 h 26 min
- PR fusionados (30 d)
- 115
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de bashtage/linearmodels
-
enhancement
Dificultad 5/5 Más de una semana Aptitud para principiantes 15/100
bashtage/linearmodels#832 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
bashtage/linearmodels#831 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
IV: LIML kappa with an endogenous regressor spanned by the instruments, kappa's unit dependence, scale-dependent instrument rank checkPosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abiertobug
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
bashtage/linearmodels#823 ·
Los mantenedores suelen responder en 1 día
-
enhancement
Dificultad 5/5 Más de una semana Aptitud para principiantes 18/100
bashtage/linearmodels#817 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
bashtage/linearmodels#780 ·
Los mantenedores suelen responder en 1 día
Todos los issues de bashtage/linearmodels
Issues similares
-
question
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
conda-forge/vc-feedstock#132 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
limitlessprojects/Go-Hybrid#3342 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
UKGovernmentBEIS/inspect_ai#6268 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
LSSTDESC/rail_sompz#42 ·
-
All tests fail with 'EXITED with status 3' on pytest 9.2.0 (TestReport._id is not marshallable)Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 66/100
pytest-dev/pytest-forked#113 ·