Project requirements

1.    Introduction

a.   What question are you answering with your project?

b.   Why should we care about this question?

c.    Have there been previous papers in the economics literature addressing this question? Summarize previous research briefly.

2.   Data

a.   Describe the source(s) of the data

b.   Discuss  whether  you  are  removing  any  outliers  from  your data,  or doing  any  other sampling restrictions

c.    Discuss  whether  you  are  transforming  the  data  and/or  merging/appending  multiple datasets together

d.   Show comprehensive summary statistics.

■    Remember: summary statistics are a very important part of all applied work!

3.   Modeling

a.   Analyze the  data  using  2-3  different  model  specifications (i.e. with/without covariates, using different definitions of the treatment, outcome, or predictor variables, etc.)

■    Remember: complicated models are not necessarily better than simple models. There is nothing wrong with OLS regression if that’s the best model.

4.   Findings

a.   What are your main findings?

b.   Are your findings robust to different model specifications?

5.   Conclusion

a.   Discuss what we’ve learned from your analysis.

b.   Discuss any questions that could be answered in the future.

Examples of data sources

●    Causal inference

○    Awesome-causality-data

●    General data science

○    25 Open Datasets for Data Science Projects

○    32 Data Sets to Uplift your Skills in Data Science

○    Datasets for Data Mining, Data Science, and Machine Learning

○    Kaggle