Lessmann and Seidel（2017）をPythonで包括的かつ初心者にやさしく再現します。衛星の夜間光から地域GDPを予測し、人口加重の不平等指標5種類をゼロから構築し、地域間格差の国際的な動態を探り、PyFixestで地域版クズネッツ曲線、その決定要因、Conleyの空間HAC頑健性チェックを推定します。
工業団地は地域の経済活動を高めるのか、そして誰のためにそうするのか。Pythonによる、エチオピアの工業団地を対象とした初心者向けの段階的な差分の差分法による評価です。合成的に較正されたデータを用いてHuang, Wang & Xu (2026) を再現し、pyfixestによるTWFEとイベントスタディ、Sun-Abraham、Borusyak/Gardner、Callaway-Sant'Annaといった最新の推定量に加えてdiff-diffによるGoodman-Bacon分解、DHSの世帯福祉と女性のエンパワーメントに関する調査重み付きの繰り返し横断面DiD、そしてConleyの空間標準誤差を扱います。
企業の雇用はどれほど持続的でしょうか。プールドOLS、固定効果、Anderson-HsiaoのIV、Arellano-Bondの差分GMM、Blundell-BondのシステムGMMを古典的な英国140社パネルに適用し、AR(2)検定・Hansen検定・操作変数の縮約（collapse）診断が、4つの魅力的だが誤った推定値の中から唯一擁護できる推定値をどのように選り分けるかを示します。
Pythonの因果推論で、局所的な自然災害の長期的な経済的影響を評価します。2004年のアチェ津波に関するHeger & Neumayer (2019) を初心者向けに再現します。合成的に較正されたデータを用いて、pyfixestによる動的な差分の差分法、diff-diffによるイベントスタディ、夜間光の用量反応、mlsynthによる合成コントロール、Conleyの空間標準誤差を扱います。
R版・Stata版のダブルLASSOチュートリアルのPython版です。同じデータ、同じ5つの推定量を用い、DoubleMLライブラリ（DoubleMLPLR、DoubleMLIRM、および LASSO・RandomForest・XGBoost 間での学習器のロバスト性）を実践的に紹介します。
Pythonでのsynthetic controlと操作変数法——pysynconとpyfixestを用いて、スウェーデンの炭素税とCO2排出量に関するAndersson (2019) を再現します。
pyfixestとlinearmodelsを用いて、Acemoglu, Johnson, Robinson (2001) をPythonで再現します。植民地時代の入植者死亡率を操作変数として64の旧植民地における現代の制度を推定し、操作変数法（IV）がOLSによって80パーセント過小評価された因果効果をどのように回復するかを学びます。
シミュレーションされた資源の呪いのデータに適用し、EconMLのCausalForestDMLとダブル機械学習を用いて、鉱業と鉱物価格が経済発展に与える異質な因果効果を推定します。
在宅勤務と生産性に関するシミュレーションされた観察データを用いて、DoWhyの4ステップフレームワークによる因果推論を初心者向けにわかりやすく紹介します。
1991年SIPP年金データセットを用い、3つのDoubleMLモデル（PLR、IRM、IIVM）により、401(k)の適格性と加入が純金融資産に与える因果効果を推定します。