expdpy
パネルデータをインタラクティブに探索・分析・学習 — Pythonで。
expdpy は、インタラクティブな Plotly の図と出版品質の Great Tables を返す組み合わせ可能な関数に、fixest スタイルの計量経済学、すべての結果を解釈・説明する組み込みの学習レイヤー、そして3つのノーコードアプリを組み合わせています。学生、教員、応用研究者のいずれにも役立つように作られています。
🔍 探索
パネルを記述・可視化します。表、分布、欠損値マップ、時系列トレンド、グループ比較、散布図、級内／級間（within／between）変動、パネルダイナミクス。
🧮 分析
モデルを推定します。固定効果／変量効果／相関変量効果、FWL、ハウスマン検定、頑健な推測、イベントスタディ／DiD、β／σ／クラブ収束、クズネッツ波形曲線。
📚 学習
手法の背後にある考え方を確かめます。既知の真実を自分で調整できる9つの実行可能な概念サンドボックス、27トピックの解説インデックス、そしてすべての結果に対する平易な言葉での解説。
ブラウザでアプリを試す
インストールもコードも不要 — 3つの ExPdPy アプリが、ワークフロー全体をブラウザ上で実行します。サンプルパイプライン、ポイント＆クリックの分析、ソート可能な表、再現可能なノートブックのエクスポート。それぞれがドキュメントのケーススタディに対応するノーコード版です。
機能の概要
探索 — 記述・相関・極値の表、ヒストグラムと棒グラフ、時系列・分位点トレンド、グループ別の棒／バイオリン／トレンドビュー、欠損値ヒートマップ、LOESS 平滑化（任意）付きの散布図、級内／級間（xtsum）分解、ユニット別の軌跡、パネル構造の診断、分布・遷移ダイナミクス、treat_outliers。
分析 — pyfixest による多元固定効果とクラスター頑健標準誤差付きの OLS、より充実した analyze_estimation（ステップワイズ／複数アウトカム、Newey–West・Driscoll–Kraay 標準誤差）、プールド（pooled）／級間（between）／固定効果／変量効果と相関変量効果（Mundlak）推定量、ハウスマン検定、推定後ツール（固定効果プロット、予測、Wald 同時検定）、頑健な推測（ランダム化推測、ワイルドクラスターブートストラップ）、Frisch–Waugh–Lovell プロットと係数プロット、最新のイベントスタディ／時差のある差分の差分法（did2s、Sun–Abraham、LP-DiD、動的 TWFE）、β・σ・クラブ収束、そしてプールド／級間／級内推定量によるクズネッツ波形曲線。
学習 — すべての結果が平易な言葉で語ります。.interpret() は連関的（associational）な解説を返し（デザインが裏付けない限り因果的な主張はしません）、.explain() ／ explain(topic) ／ list_topics() で27の概念解説を閲覧できます。9つの概念サンドボックスがデータをシミュレートし、既知の真実を見て調整できます — 一階差分 ≈ 平均除去 ≈ ダミー変数の恒等関係、固定効果、クラスタリング、欠落変数バイアス、β／σ／クラブ収束、クズネッツ波。
付属データセット — expdpy.data には、すぐに探索できるパネルが付属しています。kuznets（N字型クズネッツ曲線の代表的なデモ）、gapminder、staggered_did（イベントスタディ／DiD）、productivity、bolivia112_gdppc（収束）。データ辞書については kuznets データセット のページをご覧ください。
インストール
最新リリースを PyPI からインストールします（変量効果、CRE、ハウスマン検定はそのまま利用できます。アプリには streamlit エクストラが必要です）。
pip install expdpy
pip install "expdpy[streamlit]" # the no-code ExPdPy apps (Streamlit)
uv を使う場合：
uv pip install expdpy
uv pip install "expdpy[streamlit]"
最新の未公開バージョンは、main ブランチから直接インストールできます。
pip install "git+https://github.com/cmg777/expdpy.git"
Python 3.10 以上が必要です。
ひと目で
このドキュメント全体を通じた主要な例は、付属の kuznets パネル（80か国 × 2015〜2025年）です。地域間の格差が所得に対して N字型のクズネッツ曲線を描く合成データセットで、上昇し、下降し、非常に高い所得で再び上昇します。
import expdpy as ex
from expdpy.data import load_kuznets
df = load_kuznets()
# The N-shaped regional Kuznets curve: regional inequality vs (log) GDP per capita
ex.explore_scatter_plot(
df, x="log_gdp_pc", y="gini_regional", color="continent", size="population", loess=1
).fig
回帰を実行し、それ自身に説明させる — 二元固定効果、クラスター頑健標準誤差、平易な言葉での解説、係数プロット。
res = ex.analyze_regression_table(
df,
dvs="gini_regional",
idvs=["log_gdp_pc", "log_gdp_pc_sq", "log_gdp_pc_cu"],
feffects=["country", "year"],
clusters=["country"],
)
print(res.interpret()) # plain-language, associational reading
ex.analyze_coefficient_plot(res) # themed coefficient plot with confidence intervals
学びながら進む — 概念サンドボックスと解説。
ex.learn_first_differences() # first differences ≈ demeaning ≈ dummy variables
print(ex.explain("fixed_effects")) # a concept explainer; ex.list_topics() lists all 27
探索、分析、学習 で各関数の動作を確認するか、kuznets データセット のページでデータ辞書をご覧ください。
基盤
expdpy は、モダンな Python のデータ・計量経済学スタックの上に成り立っています。
- Plotly — インタラクティブな図
- pyfixest — 固定効果および差分の差分法の推定量
- Great Tables — 出版品質の表
- linearmodels — 変量効果／級間／相関変量効果とハウスマン検定
- Streamlit — ノーコードの
ExPdPyアプリ
謝辞
expdpy は、Joachim Gassen 氏と TRR 266 Accounting for Transparency プロジェクトによる優れた R パッケージ ExPanDaR の Python 移植版として始まり、その基盤は今もその成果に深く着想を得ています。時を経て、expdpy は元のパッケージをはるかに超えて成長しました — fixest スタイルの推定量、イベントスタディ／差分の差分法のツール、変量効果・相関変量効果のパネルモデル、収束分析、結果を解釈・説明する組み込みの学習レイヤー — そして今後も進化を続けます。
ExPanDaR の作者の皆様に感謝します。研究で expdpy を使用する際は、原典を引用してください（CITATION.cff を参照）。
