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