Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-17 23:46 UTC

bashtage / linearmodels

Additional linear models including instrumental variable and panel data models that are missing from statsmodels.

PythonNCSA★ 1 070 зірок⑂ 200 форківз лют. 2017 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#iv#instrumental-variable#panel#regression#statistical-model#ols#gmm#fixed-effects#random-effects#between-estimator#first-difference#clustered-standard-errors#pooled-ols#linear-models#panel-data#panel-models#panel-regression#fama-macbeth#asset-pricing#seemingly-unrelated-regression

bashtage/linearmodels має індекс здоров’я 86 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Engineering Quality (90/100), найнижчий — Sustainability & Governance (63/100). Останнє оновлення було 2 дні тому. Більшість нещодавньої роботи виконує один учасник.

86
загалом / 100
Відмінний

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

86
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 72 калібровано до 86 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Kevin SheppardОсобистий обліковий запис
1 450 підписників40 публічних репозиторіївз жовт. 2013 р.

Цей репозиторій належить особистому обліковому запису. Проєкт з єдиним власником несе більший ризик безперервності, ніж підтримуваний організацією.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIlinearmodels7.0-45331 день томуlinear-modelsregressioninstrumental-variablesivpanelfixed-effectsclusteredheteroskedasticityendogeneityinstrumentsstatisticsstatistical-inferenceeconometrics

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

77Добрий · 21% загального індексу

Активність розробки

82Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 2 дн. тому
18/36Ритм комітів — 26/52 тижнів із комітами
18/18Обсяг комітів — 136 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year136
human_commit_share0,82
days_since_last_push2
active_weeks_last_year26

Дисципліна релізів

70Добрий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 46 релізів
16.2/36Свіжість релізів — останній реліз 331 дн. тому
19.8/27Ритм релізів — реліз кожні ~101 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count46
latest_release_tagv7.0
releases_from_tagsні
days_since_latest_release331
mean_days_between_releases101
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

64Помірний · 17% загального індексу

Популярність і впровадження

76Добрий
Як обчислюється оцінка
49.1/60Зірки — 1 070 зірок
19.2/25Форки — 200 форків
7.5/15Спостерігачі — 23 спостерігачів
Використані вхідні дані
forks200
stars1 070
watchers23
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

50Помірний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (NCSA)
0/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges3
has_contributingні
has_issue_templateні
has_code_of_conductні
readme_badge_servicesbadge.fury.io, codecov.io, dev.azure.com
has_pull_request_templateні

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

63Помірний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

29У зоні ризику
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
0.7/22.5Розподіл комітів — головний контриб’ютор — автор 97% комітів
13.5/13.5Широта контриб’юторів — 19 контриб’юторів
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Використані вхідні дані
bus_factor1
contributors_sampled19
top_contributor_share0,97

Реактивність на issue та PR

73Добрий
Як обчислюється оцінка
32.6/42Вирішення issue — закрито 78% issue
24.5/30Прийняття PR — злито 433/530 вирішених PR
13/13Newcomer PR acceptance — злито 2/2 PR від новачків за 30 дн.
3/15OpenSSF Scorecard: Code-Review — Found 2/10 approved changesets -- score normalized to 2
Використані вхідні дані
merged_prs433
open_issues41
closed_issues143
prs_merged_7d3
prs_decided_7d3
prs_merged_30d3
prs_decided_30d3
issue_closed_ratio0,777
closed_unmerged_prs97
first_time_authors_30d2
first_time_prs_merged_30d2
first_time_prs_decided_30d2

Власність та опіка

70Добрий
Як обчислюється оцінка
10/30Підтримка власника — особистий (користувацький) обліковий запис
0/20Верифікований домен — не застосовно до користувацьких облікових записів
22.7/25Охоплення власника — 1 450 підписників у bashtage
23.7/25Послужний список — 40 публічних репозиторіїв, вік облікового запису ~12 р.
Використані вхідні дані
followers1 450
owner_typeUser
is_verified—
owner_loginbashtage
public_repos40
account_age_days4 734
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

91Відмінний
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
26/35Свіжість публікацій — остання публікація 331 дн. тому
20/20Історія версій — 45 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packageslinearmodels
ecosystemspypi
any_deprecatedні
min_days_since_publish331

Інженерна якість

Чи наявні базові інженерні практики та документація?

90Відмінний · 19% загального індексу

Інженерні практики

84Відмінний
Як обчислюється оцінка
24/24Процеси CI — 3 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .flake8, pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
0/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 15 out of 15 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configні

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://bashtage.github.io/linearmodels/
10/10Опис репозиторію
10/10Теми — 20 тем
10/10Wiki
Використані вхідні дані
topicsiv, instrumental-variable, panel, regression, statistical-model, ols, gmm, fixed-effects, random-effects, between-estimator, first-difference, clustered-standard-errors, pooled-ols, linear-models, panel-data, panel-models, panel-regression, fama-macbeth, asset-pricing, seemingly-unrelated-regression
has_wikiтак
homepagehttps://bashtage.github.io/linearmodels/
docs_sitehttps://bashtage.github.io/linearmodels/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

69Добрий · 16% загального індексу

Стан безпеки

61Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
2.5/2.5CI-Tests — 15 out of 15 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
1.5/7.5Code-Review — Found 2/10 approved changesets -- score normalized to 2
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — немає даних
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
4.5/5SAST — SAST tool detected but not run on all commits
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6.8/7.5Vulnerabilities — 1 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate6,1
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection, Packaging, Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages15
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:linearmodels@7.0 — тим, що тягне за собою встановлення опублікованого пакета, — 15 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

67Добрий · 4% загального індексу

Контекст і настанови для агентів

38Слабкий
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
37.7/40Читабельна історія комітів — намір зазначено у 58 з 82 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,707
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

70Добрий
Як обчислюється оцінка
18/18Розгортання однією командою — doc/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .flake8, pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
11/11Статична перевірка типів — linearmodels/py.typed
0/10Відтворюване середовище
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
8/8Автоматизоване супроводження — 18 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_filesdoc/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configslinearmodels/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,18

Читабельність коду для моделей

81Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (linearmodels/py.typed)
54.2/55Керовані розміри файлів — 2/131 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes118 971
source_files_sampled131
oversized_source_files2

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — examples, notebooks
Використані вхідні дані
example_dirsexamples, notebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

1 070зірок GitHub
19контриб'юторів
136комітів за останні 12 місяців
2днів від останнього пушу
46релізів
1бас-фактор
41відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'linearmodels' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced

Докладніше

Історія зірок і форків 0 ★ / 200 ⇿
0Зірки
200Форки
44Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

0408012016020019652017-042022-012026-09
Мажорні 0Мінорні 0Патчі 4

Кожна точка охоплює 9 днів.

OpenSSF Scorecard 6.1 / 10
6.1сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-09-17 23:45 UTC

10Binary-Artifactsno binaries found in the repo
н/дBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests15 out of 15 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
2Code-ReviewFound 2/10 approved changesets -- score normalized to 2
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
н/дPackagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
9SASTSAST tool detected but not run on all commits
0Security-Policysecurity policy file not detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
9Vulnerabilities1 existing vulnerabilities detected
Прямі залежності 7
РеєстрПакетОбмеження версіїМаніфест
PyPInumpy>=1.22.3,<3pyproject.toml
PyPIpandas>=1.4.0pyproject.toml
PyPIscipy>=1.8.0pyproject.toml
PyPIstatsmodels>=0.13.0pyproject.toml
PyPImypy_extensions>=0.4pyproject.toml
PyPIpyhdfe>=0.1pyproject.toml
PyPIformulaic>=1.2.1pyproject.toml
Усі залежності 58

Повний розв'язаний набір залежностей із графа залежностей GitHub: 7 прямих і 51 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIformulaic—пряма
PyPImypy-extensions—пряма
PyPInumpy—пряма
PyPIpandas—пряма
PyPIpyhdfe—пряма
PyPIscipy—пряма
PyPIstatsmodels—пряма
PyPIblack—непряма
PyPIcolorama—непряма
PyPIcoverage—непряма
PyPIcython—непряма
PyPIflake8—непряма
PyPIflake8-bugbear—непряма
PyPIfonttools—непряма
PyPIipython—непряма
PyPIisort—непряма
PyPIjupyter—непряма
PyPIjupyter-server—непряма
PyPIjupyterlab—непряма
PyPIjupyterlab-code-formatter—непряма
PyPImatplotlib—непряма
PyPImeson—непряма
PyPImeson-python—непряма
PyPImistune—непряма
PyPImypy—непряма
PyPInbconvert—непряма
PyPInbformat—непряма
PyPInbsphinx—непряма
PyPIninja—непряма
PyPInotebook—непряма
PyPInumba—непряма
PyPInumpydoc—непряма
PyPIpackaging—непряма
PyPIpandas-stubs—непряма
PyPIpatsy—непряма
PyPIpillow—непряма
PyPIpyarrow—непряма
PyPIpytest—непряма
PyPIpytest-cov—непряма
PyPIpytest-randomly—непряма
PyPIpytest-xdist—непряма
PyPIpyupgrade—непряма
PyPIruff—непряма
PyPIscipy-stubs—непряма
PyPIseaborn—непряма
PyPIsetuptools—непряма
PyPIsetuptools-scm—непряма
PyPIsoupsieve—непряма
PyPIsphinx—непряма
PyPIsphinx-autodoc-typehints—непряма
PyPIsphinx-immaterial—непряма
PyPIsphinxcontrib-spelling—непряма
PyPItornado—непряма
PyPIurllib3—непряма
PyPIwheel—непряма
PyPIwrapt—непряма
PyPIxarray—непряма
PyPIzipp—непряма
Сповіщення про залежності 0

Встановлення pypi:linearmodels@7.0 тягне 15 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з bashtage/linearmodels. Читати поруч →

95statsmodels/statsmodelsStatsmodels: statistical modeling and econometrics in PythonВинятковий86brycewang-stanford/StatsPAIStatsPAI is the first Agent-native Python library for causal inference and applied econometrics — unified API, broad cross-method coverage, structured result objects, machine-readable schemas, Skills, an MCP server, and R/Stata parity validation.Відмінний92igerber/diff-diffDifference-in-Differences causal inference in Python. Callaway-Sant'Anna, Synthetic DiD, Honest DiD, event studies. sklearn-like API, validated against R.Відмінний81py-econometrics/maketablesGenerate publication-ready tables from econometric modelsВідмінний73py-econometrics/withinA fast linear solver for fixed effects problemsДобрий67sipemu/anofox-regressionRegression analysis in Rust.Добрий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.