---

Причинный вывод для квазиэкспериментов в Python

Рабочие процессы каузального вывода исследовательского уровня для квазиэкспериментальных проектов на Python.

CausalPy помогает оценить причинные эффекты с помощью прозрачных предположений, моделирования с учётом неопределённости и воспроизводимых результатов:

• Квазиэкспериментальные методы: Разность в различиях, синтетический контроль, регрессионная разрывность, прерванные временные ряды, инструментальные переменные и многое другое
• Баесовская оценка через PyMC с полной количественной оценкой неопределённости, плюс традиционная OLS с помощью scikit-learn
• Готовые к принятию решений результаты: Резюме эффектов с достоверными интервалами (HDI), практической значимостью (ROPE) и графиками качества публикаций

📞 Запишитесь на консультацию

CausalPy создаётся и поддерживается PyMC Labs. Если ваша команда рассматривает возможность консультационного проекта по лифт-тестированию, сложной или рискованной причинно-следственной работе, вы можете записаться на вводный звонок. These звонки касаются только консультационных вопросов. Для технических вопросов и бесплатной поддержки сообщества, пожалуйста, используйте GitHub Discussions и документацию below.

Помощь и документация

---

Causal Inference for Quasi-Experiments in Python

Research-grade causal inference workflows for quasi-experimental designs in Python.

CausalPy helps you estimate causal effects with transparent assumptions, uncertainty-aware modeling, and reproducible outputs:

• Quasi-experimental methods: Difference-in-differences, synthetic control, regression discontinuity, interrupted time series, instrumental variables, and more
• Bayesian-first estimation via PyMC with full uncertainty quantification, plus traditional OLS via scikit-learn
• Decision-ready outputs: Effect summaries with credible intervals (HDI), practical significance (ROPE), and publication-quality plots

📞 Book a consulting call

CausalPy is built and maintained by PyMC Labs. If your team is exploring a consulting engagement for lift testing, complex or high-stakes causal work, you can book an introductory call. These calls are for consulting inquiries only. For technical usage questions and free community support, please use GitHub Discussions and the documentation below.

Help and documentation

• Ask usage questions in GitHub Discussions Q&A so the issue tracker stays focused on bugs and enhancements.