该技能用于在 Python 中开展宏观经济建模（DSGE/HANK）、因果推断与量化经济数据分析。核心原则是先向量化，用 Numba 加速循环，保持代码结构与经济理论对齐。
主要能力与常用库：数值核心 numpy、scipy；循环加速 numba（@njit、@njit(parallel=True)）；经济学工具 quantecon；HANK 与序列空间法 sequence_jacobian（SSJ）；异质性主体 HARK；带固定效应线性模型 pyfixest（pip install pyfixest）；DID/DDD diff-diff（pip install diff-diff）；IV/2SLS/GMM linearmodels；RD/RDD/RKD 用 rdrobust、rddensity、rdlocrand；合成控制 pysynth、synth_control、sdid；匹配 causalml、pymatch、econml；因果机器学习 econml、dowhy；数据处理 pandas、polars；可视化 matplotlib、seaborn。
模型方面：线性 DSGE 通过 Blanchard-Kahn 条件与 scipy.linalg.ordqz 求解决策规则；二阶扰动可用 quantecon.lqcontrol 等；稳态用 scipy.optimize.fsolve/root。HANK 采用序列空间雅可比（SSJ）方法：定义稳态块、构建 DAG、求稳态、计算雅可比并求解转移动态；也可用 Numba 加速值函数迭代与 Young（2010）分布迭代。
实证方面：带固定效应的 OLS/WLS、Poisson/Logit 用 pyfixest，支持多维高维固定效应、聚类稳健标准误、少聚类下的 wild cluster bootstrap、i() 事件研究语法。DID 提供 DiD、TWFE、EventStudy、CallawaySantAnna、SunAbraham、ImputationDiD、SyntheticDiD、TripleDifference 等估计器，并给出 11 步 DID 实证工作流（数据描述、识别策略、M1–M6 基线、事件研究、HonestDiD 敏感性、替代解释、稳健性、异质性、机制、福利与政策含义）。IV 用 linearmodels 的 IV2SLS、IVGMM、IVLIML，需检查第一阶段 F、弱工具、过度识别与内生性检验，并提供 Bartik/份额移动工具变量写法。
使用限制：具体安装以外的环境配置、性能基准与适用边界资料暂未提供；所有方法均依赖对应假设（如平行趋势、工具外生性），需结合实际数据与研究设计判断。