awesome-economics

这是一个精心整理的经济学资源合集，涵盖数据集、工具、模型、机构和学习资源。合集主题包括宏观经济学、微观经济学、计量经济学与建模、经济数据来源、计算经济学、政策与发展经济学、金融与货币经济学等领域。它组织并索引了多个公开经济数据集（如FRED、IMF Data、World Bank Data等）以及相关分析工具和参考资料，旨在为经济学研究提供全面的资源集合。

This is a meticulously curated collection of economics resources, covering datasets, tools, models, institutions, and learning resources. The collection spans subfields including macroeconomics, microeconomics, econometrics and modeling, economic data sources, computational economics, policy and development economics, financial and monetary economics, and other related areas. It organizes and indexes multiple publicly available economic datasets such as FRED, IMF Data, World Bank Data, as well as relevant analytical tools and reference materials, aiming to provide a comprehensive resource collection for economics research.

原始信息汇总

Awesome Economics 数据集概览

这是一个精选的经济学资源列表，涵盖微观经济学、宏观经济学、计量经济学、金融学和公共政策等领域，包括数据集、工具、模型、机构及学习资源。

分类内容

• 基础与参考：经济学 Stack Exchange、CORE-Econ 开放教材、NBER 研究论文、Journal of Economic Perspectives。
• 宏观经济学：FRED 时间序列数据库、IMF 全球宏观经济数据、世界银行发展指标、OECD 经济统计、Penn World Table 跨国生产率数据。
• 微观经济学：Experimental Economics Database 实验数据、消费者支出调查、产业组织数据集。
• 计量经济学与建模：Statsmodels、R 计量经济学包、Stata、EViews、Gretl 开源软件。
• 经济数据源：IPUMS 微观数据、美国劳工统计局、Eurostat、联合国数据、Open Economic Data 开放数据集索引。
• 计算经济学：Dynare (DSGE 建模)、QuantEcon 开源工具、JuliaEconomics 包、PyEcon Python 仿真工具。
• 政策与发展经济学：J-PAL 循证政策研究、Our World in Data 全球发展数据、AidData 发展融资数据、世界不平等数据库。
• 金融与货币经济学：国际清算银行统计、美联储研究、CRSP 金融市场数据、Fama-French 因子库。
• 可视化与分析工具：pandas、ggplot2、Plotly、Tableau。
• 学习资源：MIT 开放课程、Marginal Revolution University、Econometrics Academy。

相关资源

数据集已通过 Zenodo 归档，可使用 DOI 引用。相关精选列表包括：数据分析和数据科学、统计学、公共政策等。

搜集汇总

数据集介绍

构建方式

在经济学研究日益依赖跨学科数据与工具的背景下，awesome-economics 数据集应运而生。该数据集通过系统化地筛选与整理经济学领域内的高质量资源，构建了一个涵盖微观经济学、宏观经济学、计量经济学、金融学及公共政策等核心分支的精选资源列表。其构建过程依托于对权威数据库（如FRED、IMF Data、World Bank Data）、学术机构（如NBER、J-PAL）以及开源工具（如Statsmodels、QuantEcon）的全面检索与评估，最终形成结构清晰、分类明确的资源索引。此外，该数据集已归档于Zenodo平台，并拥有独立DOI，确保了资源的可引用性与长期可访问性。

特点

该数据集最显著的特点在于其高度的专业性与系统性。它并非简单的链接聚合，而是基于经济学学科的内在逻辑，将资源划分为基础参考、宏观经济学、微观经济学、计量与建模、经济数据源、计算经济学、政策与发展经济学、金融与货币经济学、可视化与分析工具、学习资源等十大类别。每个类别下的条目均经过精心挑选，聚焦于被学界广泛认可的核心资源，如FRED数据库、Statsmodels库及J-PAL等。此外，数据集还提供了跨领域的整合视角，使研究者能够便捷地衔接理论、数据、工具与实践，体现了经济学研究从数据获取到模型构建再到政策评估的完整链条。

使用方法

使用者可以灵活地通过该数据集索引经济学研究所需的核心资源。用户可直接访问各条目提供的链接，获取宏观经济时间序列（如FRED）、微观调查数据（如IPUMS）、计量分析工具（如Statsmodels、Stata）或在线课程（如MIT OpenCourseWare）。对于计算经济学研究者，数据集推荐了Dynare、QuantEcon等专业平台；政策分析者则可借助J-PAL、World Inequality Database等资源进行实证研究。此外，该数据集支持通过GitHub进行协作贡献，用户可参照贡献指南提交新资源，同时其Zenodo归档版本确保了引用与复现的便利性。

背景与挑战

背景概述

在经济学研究日益依赖数据驱动方法的背景下，整合分散于各子领域的资源成为推动跨学科创新的关键。由Brandon Himpfen等人于近年创建的awesome-economics数据集，系统梳理了涵盖宏观经济学、微观经济学、计量经济学、计算经济学及公共政策等方向的高质量资源，旨在为研究者提供一站式导航。该数据集通过收录FRED、世界银行、IPUMS等权威数据源及Dynare、QuantEcon等建模工具，解决了经济学领域内资源碎片化与寻址效率低下的核心问题。其影响力体现在降低了跨领域研究的门槛，促进了实证分析与理论建模的融合，已成为经济学社群中广泛引用的知识图谱。

当前挑战

该数据集面临的首要挑战是经济学领域问题的复杂性：宏观与微观经济现象的高度非线性、政策干预的因果推断困难，以及高频金融数据中的噪声干扰，使得现有工具与模型难以精准捕捉经济系统的动态演化。构建过程中，资源筛选的标准统一性难以保证——不同子领域对数据时效性、颗粒度及可复制性的要求差异显著，例如实验经济学数据与跨国面板数据在元数据规范上存在冲突。此外，开源工具的版本迭代与API变更（如FRED的接口更新）导致维护成本激增，部分链接失效或模型封装过时，威胁了数据集的长期可用性。

常用场景

经典使用场景

在经济学研究的广袤领域中，研究者常需整合来自不同维度的数据以构建严谨的实证模型。awesome-economics数据集如同一座精心编纂的学术宝库，为宏观经济学、微观经济学、计量经济学及公共政策等方向提供了系统化的资源索引。其最经典的使用场景在于，学者可借助该数据集快速定位如FRED、IMF、世界银行等权威宏观经济数据库，或通过IPUMS、消费者支出调查等微观数据源，高效完成跨国收入比较、消费行为分析及劳动力市场研究等经典课题。这一整合性的资源架构，显著降低了数据搜寻的时间成本，使得研究焦点得以更纯粹地集中于理论验证与因果推断之上。

实际应用

在实际应用层面，awesome-economics数据集的影响力已超越学术象牙塔，渗透至政策制定与商业决策的肌理之中。政策分析师可借助其中收录的J-PAL实验数据、世界不平等数据库及AidData发展金融信息，为减贫策略、税收改革或货币政策提供基于证据的决策支撑。金融从业者则能通过CRSP、Fama-French因子库及BIS统计数据，构建资产定价模型或评估系统性风险。此外，面向公众的Our World in Data与可视化工具（如Plotly、Tableau）的整合，使得复杂经济趋势得以直观呈现，赋能媒体与教育机构进行更具影响力的知识传播。

衍生相关工作

基于awesome-economics数据集的启发，一系列衍生工作应运而生，进一步拓展了经济学研究的边界。例如，QuantEcon项目在此基础上深化了动态随机一般均衡模型的Python与Julia实现，催生了大量关于经济波动与最优政策模拟的学术论文。IPUMS数据的标准化处理流程，则衍生出针对人口普查微观数据的跨年代比较研究，推动了劳动经济学与人口学的深度融合。此外，开源计量工具Statsmodels与R语言生态的持续迭代，直接受益于该数据集对工具链的系统梳理，使得复现经典实证研究（如Angrist与Krueger的教育回报分析）成为可能，从而强化了经济学研究的可重复性与透明度。