aigroup-econ-mcp 0.4.2__py3-none-any.whl → 1.3.3__py3-none-any.whl

aigroup_econ_mcp-0.4.2.dist-info/METADATA

@@ -1,360 +0,0 @@
-Metadata-Version: 2.4
-Name: aigroup-econ-mcp
-Version: 0.4.2
-Summary: 专业计量经济学MCP工具 - 让大模型直接进行数据分析
-Project-URL: Homepage, https://github.com/aigroup/aigroup-econ-mcp
-Project-URL: Repository, https://github.com/aigroup/aigroup-econ-mcp.git
-Project-URL: Issues, https://github.com/aigroup/aigroup-econ-mcp/issues
-Author-email: AIGroup <jackdark425@gmail.com>
-License-File: LICENSE
-Keywords: data-analysis,economics,mcp,regression,statistics
-Classifier: Development Status :: 4 - Beta
-Classifier: Intended Audience :: Developers
-Classifier: License :: OSI Approved :: MIT License
-Classifier: Programming Language :: Python :: 3
-Classifier: Programming Language :: Python :: 3.8
-Classifier: Programming Language :: Python :: 3.9
-Classifier: Programming Language :: Python :: 3.10
-Classifier: Programming Language :: Python :: 3.11
-Classifier: Programming Language :: Python :: 3.12
-Classifier: Topic :: Scientific/Engineering :: Information Analysis
-Classifier: Topic :: Software Development :: Libraries :: Python Modules
-Requires-Python: >=3.10
-Requires-Dist: arch>=6.0.0
-Requires-Dist: click>=8.0.0
-Requires-Dist: linearmodels>=7.0
-Requires-Dist: matplotlib>=3.5.0
-Requires-Dist: mcp>=1.0.0
-Requires-Dist: numpy>=1.21.0
-Requires-Dist: pandas>=1.5.0
-Requires-Dist: psutil>=5.9.0
-Requires-Dist: pydantic>=2.0.0
-Requires-Dist: pyyaml>=6.0
-Requires-Dist: scikit-learn>=1.0.0
-Requires-Dist: scipy>=1.7.0
-Requires-Dist: statsmodels>=0.13.0
-Requires-Dist: uvicorn>=0.20.0
-Description-Content-Type: text/markdown
-
-# aigroup-econ-mcp - 专业计量经济学MCP工具
-
-🎯 专为Roo-Code设计的计量经济学MCP服务 - 提供统计分析、回归建模、时间序列分析，无需复杂环境配置
-
-![Python](https://img.shields.io/badge/Python-3.8+-blue.svg)
-![MCP](https://img.shields.io/badge/MCP-1.0+-green.svg)
-![License](https://img.shields.io/badge/License-MIT-yellow.svg)
-![Version](https://img.shields.io/badge/Version-0.4.0-orange.svg)
-
-## 📋 目录
-
-- [🚀 快速开始](#-快速开始)
-- [✨ 核心功能](#-核心功能)
-- [🔧 工具列表](#-工具列表)
-- [📁 文件输入支持](#-文件输入支持)
-- [⚙️ 安装配置](#️-安装配置)
-- [📚 使用示例](#-使用示例)
-- [🔍 故障排除](#-故障排除)
-- [🏗️ 项目架构](#️-项目架构)
-- [🤝 贡献指南](#-贡献指南)
-- [📄 许可证](#-许可证)
-
-## 🚀 快速开始
-
-### 一键启动（推荐）
-
-```bash
-# 使用uvx快速启动（无需安装）
-uvx aigroup-econ-mcp
-```
-
-### Roo-Code配置
-
-在RooCode的MCP设置中添加：
-
-```json
-{
-  "mcpServers": {
-    "aigroup-econ-mcp": {
-      "command": "uvx",
-      "args": ["aigroup-econ-mcp"],
-      "alwaysAllow": [
-        "descriptive_statistics", "ols_regression", "hypothesis_testing",
-        "time_series_analysis", "correlation_analysis", "panel_fixed_effects",
-        "panel_random_effects", "panel_hausman_test", "panel_unit_root_test",
-        "var_model_analysis", "vecm_model_analysis", "garch_model_analysis",
-        "state_space_model_analysis", "variance_decomposition_analysis",
-        "random_forest_regression_analysis", "gradient_boosting_regression_analysis",
-        "lasso_regression_analysis", "ridge_regression_analysis",
-        "cross_validation_analysis", "feature_importance_analysis_tool"
-      ]
-    }
-  }
-}
-```
-
-## ✨ 核心功能
-
-### 📊 统计分析
-- **描述性统计** - 均值、方差、偏度、峰度等
-- **假设检验** - t检验、F检验、卡方检验、ADF检验
-- **相关性分析** - Pearson、Spearman、Kendall相关系数
-
-### 📈 回归建模
-- **OLS回归** - 普通最小二乘法回归分析
-- **正则化回归** - Lasso、Ridge回归
-- **模型诊断** - 残差分析、异方差检验
-
-### ⏰ 时间序列分析
-- **平稳性检验** - ADF、KPSS检验
-- **ARIMA建模** - 自动定阶和参数估计
-- **VAR/VECM模型** - 向量自回归/误差修正模型
-- **GARCH模型** - 波动率建模
-
-### 🏢 面板数据分析
-- **固定效应模型** - 控制个体/时间固定效应
-- **随机效应模型** - 处理随机效应
-- **Hausman检验** - 模型选择检验
-- **面板单位根检验** - 面板数据平稳性分析
-
-### 🤖 机器学习集成
-- **随机森林** - 非线性关系建模
-- **梯度提升** - 高精度预测
-- **特征重要性** - 变量选择分析
-- **交叉验证** - 模型性能评估
-
-## 🔧 工具列表
-
-### 基础统计工具
-| 工具 | 功能 | 输入方式 |
-|------|------|----------|
-| `descriptive_statistics` | 描述性统计分析 | 数据字典/CSV/JSON |
-| `ols_regression` | OLS回归分析 | y_data, x_data/CSV/JSON |
-| `hypothesis_testing` | 假设检验 | data1, data2/CSV/JSON |
-| `correlation_analysis` | 相关性分析 | 数据字典/CSV/JSON |
-
-### 时间序列工具
-| 工具 | 功能 | 输入方式 |
-|------|------|----------|
-| `time_series_analysis` | 时间序列分析 | 时间序列数据/CSV/JSON |
-| `var_model_analysis` | VAR模型分析 | 多变量时间序列/CSV/JSON |
-| `vecm_model_analysis` | VECM模型分析 | 多变量时间序列/CSV/JSON |
-| `garch_model_analysis` | GARCH模型分析 | 时间序列数据/CSV/JSON |
-| `state_space_model_analysis` | 状态空间模型 | 时间序列数据/CSV/JSON |
-| `variance_decomposition_analysis` | 方差分解 | 多变量时间序列/CSV/JSON |
-
-### 面板数据工具
-| 工具 | 功能 | 输入方式 |
-|------|------|----------|
-| `panel_fixed_effects` | 固定效应模型 | y_data, x_data, entity_ids, time_periods/CSV |
-| `panel_random_effects` | 随机效应模型 | y_data, x_data, entity_ids, time_periods/CSV |
-| `panel_hausman_test` | Hausman检验 | y_data, x_data, entity_ids, time_periods/CSV |
-| `panel_unit_root_test` | 面板单位根检验 | 面板数据/CSV |
-
-### 机器学习工具
-| 工具 | 功能 | 输入方式 |
-|------|------|----------|
-| `random_forest_regression_analysis` | 随机森林回归 | y_data, x_data/CSV/JSON |
-| `gradient_boosting_regression_analysis` | 梯度提升回归 | y_data, x_data/CSV/JSON |
-| `lasso_regression_analysis` | Lasso回归 | y_data, x_data/CSV/JSON |
-| `ridge_regression_analysis` | Ridge回归 | y_data, x_data/CSV/JSON |
-| `cross_validation_analysis` | 交叉验证 | y_data, x_data/CSV/JSON |
-| `feature_importance_analysis_tool` | 特征重要性 | y_data, x_data/CSV/JSON |
-
-## 📁 文件输入支持
-
-### 支持的文件格式
-- **CSV文件** - 自动解析表头和数值数据
-- **JSON文件** - 支持标准JSON数据格式
-- **自动检测** - 智能识别文件格式和数据类型
-
-### 使用方式
-
-#### 方式1：直接数据输入（传统方式）
-```json
-{
-  "data": {
-    "GDP增长率": [3.2, 2.8, 3.5, 2.9],
-    "通货膨胀率": [2.1, 2.3, 1.9, 2.4]
-  }
-}
-```
-
-#### 方式2：CSV文件输入（推荐）
-```json
-{
-  "file_content": "GDP增长率,通货膨胀率\n3.2,2.1\n2.8,2.3\n3.5,1.9\n2.9,2.4",
-  "file_format": "csv"
-}
-```
-
-#### 方式3：文件路径输入
-```json
-{
-  "file_path": "./test_data.csv",
-  "file_format": "auto"
-}
-```
-
-## ⚙️ 安装配置
-
-### 方式1：uvx安装（推荐）
-```bash
-# 直接运行最新版本
-uvx aigroup-econ-mcp
-
-# 指定版本
-uvx aigroup-econ-mcp@0.4.0
-```
-
-### 方式2：pip安装
-```bash
-# 安装包
-pip install aigroup-econ-mcp
-
-# 运行服务
-aigroup-econ-mcp
-```
-
-### 依赖说明
-- **核心依赖**: pandas, numpy, scipy, statsmodels, matplotlib
-- **扩展依赖**: linearmodels, scikit-learn, arch
-- **轻量级**: 无需torch或其他重型依赖
-
-## 📚 使用示例
-
-### 基础统计分析
-```python
-# 描述性统计
-result = await descriptive_statistics(
-    data={
-        "GDP增长率": [3.2, 2.8, 3.5, 2.9],
-        "通货膨胀率": [2.1, 2.3, 1.9, 2.4]
-    }
-)
-```
-
-### 回归分析
-```python
-# OLS回归
-result = await ols_regression(
-    y_data=[10, 12, 15, 18, 20],
-    x_data=[[1, 2], [2, 3], [3, 4], [4, 5], [5, 6]],
-    feature_names=["广告支出", "价格"]
-)
-```
-
-### 文件输入分析
-```python
-# 使用CSV文件
-result = await descriptive_statistics(
-    file_content="变量1,变量2\n1.2,3.4\n2.3,4.5\n3.4,5.6",
-    file_format="csv"
-)
-```
-
-## 🔍 故障排除
-
-### 常见问题
-
-#### uvx安装卡住
-```bash
-# 清除缓存重试
-uvx --no-cache aigroup-econ-mcp
-```
-
-#### 工具返回错误
-- 检查数据格式是否正确
-- 确保没有缺失值
-- 查看详细错误信息
-
-#### MCP服务连接失败
-- 检查网络连接
-- 确保Python版本>=3.8
-- 查看详细错误日志
-
-### 数据要求
-- **样本量**: 建议至少20个观测点
-- **数据类型**: 所有变量必须为数值型
-- **缺失值**: 自动处理或报错提示
-
-## 🏗️ 项目架构
-
-### 模块结构
-```
-src/aigroup_econ_mcp/
-├── server.py                    # MCP服务器核心
-├── cli.py                       # 命令行入口
-├── config.py                    # 配置管理
-└── tools/                       # 工具模块
-    ├── base.py                  # 基础工具类
-    ├── statistics.py            # 统计分析
-    ├── regression.py            # 回归分析
-    ├── time_series.py           # 时间序列
-    ├── panel_data.py            # 面板数据
-    ├── machine_learning.py      # 机器学习
-    ├── file_parser.py           # 文件解析
-    ├── data_loader.py           # 数据加载
-    ├── decorators.py            # 装饰器
-    ├── tool_registry.py         # 工具注册
-    └── tool_handlers.py         # 业务处理器
-```
-
-### 设计特点
-- **组件化架构** - 模块化设计，易于维护
-- **统一接口** - 所有工具支持文件输入
-- **错误处理** - 统一的错误处理和日志记录
-- **性能优化** - 异步处理和缓存机制
-
-## 🤝 贡献指南
-
-### 开发环境设置
-```bash
-# 克隆项目
-git clone https://github.com/jackdark425/aigroup-econ-mcp
-cd aigroup-econ-mcp
-
-# 安装开发依赖
-uv add --dev pytest pytest-asyncio black isort mypy ruff
-
-# 运行测试
-uv run pytest
-
-# 代码格式化
-uv run black src/
-uv run isort src/
-```
-
-### 提交贡献
-1. Fork项目
-2. 创建功能分支
-3. 提交更改
-4. 开启Pull Request
-
-### 代码规范
-- 遵循PEP 8编码规范
-- 使用类型注解
-- 添加单元测试
-- 更新相关文档
-
-## 📄 许可证
-
-MIT License - 查看 [LICENSE](LICENSE) 文件了解详情
-
-## 🙏 致谢
-
-- **Model Context Protocol (MCP)** - 模型上下文协议
-- **Roo-Code** - AI编程助手
-- **statsmodels** - 统计分析库
-- **pandas** - 数据处理库
-- **scikit-learn** - 机器学习库
-- **linearmodels** - 面板数据分析库
-
-## 📞 支持
-
-- 💬 [GitHub Issues](https://github.com/jackdark425/aigroup-econ-mcp/issues)
-- 📧 邮箱：jackdark425@gmail.com
-- 📚 文档：查看项目文档和示例
-
----
-
-**立即开始**: `uvx aigroup-econ-mcp` 🚀