CRAN任務視圖：計量經濟學
線形迴歸模型（Linear regression models）
ž 線形模型可用stats包中lm()函數通過OLS來擬合，該包中也有各種檢驗方法用來比較模型，如：summary() 和anova()。
ž lmtest包裏的coeftest()和waldtest()函數是也支持漸近檢驗（如：z檢驗而不是檢驗，卡方檢驗而不是F檢驗）的類似函數。
ž car包裏的linear.hypothesis()可檢驗更一般的線形假設。
ž HC和HAC協方差矩陣的這些功能可在sandwich包裏實現。
ž car和lmtest包還提供了大量回歸診斷和診斷檢驗的方法。
ž 工具變量回歸（兩階段最小二乘）由AER包中的ivreg()提供，其另外一個實現sem包中的tsls()。
微觀計量經濟學（Microeconometrics）
ž 許多微觀計量經濟學模型屬於廣義線形模型，可由stats包的glm()函數擬合。包括用於選擇類數據（choice data）的Logit和probit模型，用於計數類數據（count data）的poisson模型。這些模型迴歸元的值可用effects獲得並可視化。
ž 負二項廣義線形模型可由MASS包的glm.nb()實現。aod包提供了負二項模型的另一個實現，幷包含過度分散數據的其它模型。
ž 邊緣（zero-inflated）和hurdle計數模型可由pscl包提供。
ž 多項響應（Multinomial response）：特定個體協變量（individual-specific covariates）多項模型只能由nnet包中multinom()函數提供。mlogit包實現包括特定個體和特定選擇（choice-specific）變量。多項響應的廣義可加模型可由VGAM包擬合。針對多項probit模型的貝葉斯方法由MNP包提供，各種貝葉斯多項模型（包括logit和probit）在bayesm包中可得。
ž 順序響應（Ordered response）：順序響應的比例優勢迴歸由MASS包中polr()函數實現。包ordinal爲順序數據（ordered data）提供包括比例優勢模型（propotional odds models）以及更一般規範的累積鏈接模型（cumulative link models）。貝葉斯順序probit模型由包bayesm提供。
ž 刪失響應（Censored response）：基本刪失迴歸模型（比如，tobit模型）可以由survival包中的suevreg()函數擬合，一個便利的接口tobit()在AER包中。更深入的刪失迴歸模型，包括面板數據的模型，由censReg包提供，樣本選擇的模型在sampleSelection包中可得。
ž 雜項：有關微觀計量經濟學得進一步精細工具由micEcon族包提供：Cobb-Douglas分析、translog、二次函數在micEcon裏；規模彈性不變（Constant Elasticity of Scale，CES）函數在micEconCES裏；對稱歸一二次利潤（Symmetric Normalized Quadratic Profit，SNQP）函數在micEconSNQP裏；幾乎理想的需求函數模型系統（Almost Ideal Demand System ，AIDS）函數在micEconAids包裏；隨機前沿分析（Stochastic Frontier Analysis）在frontier包中；bayesm包執行微觀計量濟學和營銷學（marketing）中的貝葉斯方法；相對分佈推斷在包reldist裏。
其它的迴歸模型（Further regression models）
ž 非線性最小二乘迴歸建模可用stats包裏的nls()實現。
ž 分位數迴歸（Quantile Regression）：quantreg（包括線性、非線性、刪失、局部多項和可加分位數迴歸）。
ž 面板數據的線性模型：plm。一個空間面板模型的包（splm）正在R-Forge開發。
ž 廣義動量方法（Generalized method of moments，GMM）和廣義實證似然（generalized empirical likelihood，GEL）：gmm。
ž 線性結構方程模型：sem，包括兩階段最小二乘。
ž 聯立方程估計：systemfit。
ž 非參核方法：np。
ž Beta迴歸：betareg和gamlss
ž 截位（高斯）迴歸：truncreg。
ž 非線性混合效應模型：nlme和lme4。
ž 廣義可加模型：mgcv、gam、gamlss和VGAM。
ž 雜項：包VGAM、Design和Hmisc包提供了若干（廣義）線性模型處理的擴展工具，Zelig是一個針對很多種迴歸模型的易於使用的統一接口。
基本的時間序列架構（Basic time series infrastructure）
ž stats包的“ts” 類是R的規則間隔時間序列的標準類（尤其是年度、季度和月度數據）。
ž “ts”格式的時間序列可以與zoo包中的“zooreg” 強制互換，而不丟失信息。zoo包規則和不規則間隔時間序列的架構（後者通過類“zoo”），其中時間信息可以是任意類。這包括日間序列（典型地，以“Date”時間索引）或日內序列（例如，以“POSIXct”時間索引）。
ž 建立在“POSIXt”時間-日期類上的its、tseries和timeSeries（前fSeries）包也提供不規則間隔時間序列的架構，特別用於金融分析。
時間序列建模（Time series modelling）
ž stats包裏有經典的時間序列建模工具，arima()函數做ARIMA建模和Box-Jenkins-type分析。
ž stats包還提供StructTS()函數擬合結構時間序列。
ž 可以用nlme包中的gls()函數經由OLS擬合含AR誤差項的線性迴歸模型。
ž 時間序列的濾波和分解可以用stats 包的decompose() 和HoltWinters() 函數。
ž 這些方法的擴展，尤其是預測和模型選擇，在forecast 包裏。
ž mFilter 裏有各種各樣的時序濾波方法。
ž 估計向量自迴歸（VAR）模型，有若干方法可用：簡單模型可用stats 包裏ar()擬合，vars 包提供更精巧的模型，dse 中的estVARXls()和貝葉斯方法在MSBVAR 中。dynlm包有一個經由OLS擬合動態迴歸模型的方便接口，dyn實現了一個用於其它迴歸函數的不同方法。
ž 可以用dse擬合更高級的動態方程組。
ž tsDyn 提供各種非線性自迴歸時序模型。
ž 高斯線性狀態空間模型可用dlm 擬合（通過最大似然、卡爾曼濾波/平滑和貝葉斯方法）。
ž 包urca、tseries和CADFtest提供了單位根和協整技術。
ž 時間序列因子分析在tsfa 包裏。
ž 包sde提供隨機微分方程的模擬和推斷。
ž 非對稱價格傳導建模在apt包中。
雜項
ž 矩陣操作（Matrix manipulations）。作爲一個向量和矩陣語言，R有許多基本函數處理矩陣，與Matrix和SparseM包互補。
ž 放回再抽樣（Bootstrap）。除了推薦的boot包，bootstrap或simpleboot包裏有一些其它的常規bootstrapping技術；還有些函數專門爲時間序列數據而設計，如：meboot包裏的最大熵bootstrap，tseries包裏的tsbootstrap()函數。
ž 不平等（Inequality）。爲了測量不平等（inequality），集中（concentration）和貧窮（poverty），ineq包提供了一些基本的工具，如：勞倫茨曲線（Lorenz curves），Pen's parade，基尼係數(Gini coefficient)。
ž 結構變化（Structural change）。R有很強的處理參數模型的結構變化和變化點的能力，可參考strucchange和segmented包。
數據集（Data sets）
ž Packages AER和Ecdat包含許多來自計量經濟學教科書和雜誌（應用計量經濟學，商業/經濟統計）的數據集。
ž AER另外提供大量例子再現來自教材和文獻的分析，演示各種計量經濟學方法。
ž FinTS 是Tsay的《Analysis of Financial Time Series》（2nd ed., 2005, Wiley）一書的R參考，包含運行其中一些例子所需的數據集、函數和腳本。
ž DNmoney包提供加拿大貨幣流通額。
ž pwt包提供佩恩世界表(Penn World Table)。
ž 包expsmooth、fma和Mcomp分別是《Forecasting with Exponential Smoothing: The State Space Approach》（Hyndman, Koehler, Ord, Snyder, 2008, Springer）、《Forecasting: Methods and Applications》（Makridakis, Wheelwright, Hyndman, 3rd ed., 1998, Wiley）和《the M-competitions》的時間序列數據包
ž 包erer包含《Empirical Research in Economics: Growing up with R》（Sun, forthcoming）一書中的函數和數據集。
出處：http://blog.renren.com/blog/332766053/904482985