R語言常用計量分析包

1、R語言常用計量分析包CRAN任務(wù)視圖：計量經(jīng)濟學(xué)線形回歸模型(Linear regression models)線形模型可用stats包中l(wèi)m()函數(shù)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()。Imtest包里的coeftest()和waldtest()函數(shù)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(shù)。car包里的linear.hypothesis()可檢驗更一般的線形假設(shè)。HC和HAC協(xié)方差矩陣的這些功能可在sandwich包里實現(xiàn)。car和lmtest包還提供了大量回歸診斷和診斷檢驗的方法。工具變量回歸(兩階

2、段最小二乘)由 AER包中的ivreg()提供，其另外一個實現(xiàn) sem包中的 tsls()。微觀計量經(jīng)濟學(xué)(Microeconometrics )許多微觀計量經(jīng)濟學(xué)模型屬于廣義線形模型，可由stats包白g glm()函數(shù)擬合。包括用于選擇類數(shù)據(jù)(choice data)的Logit和probit模型，用于計數(shù)類數(shù)據(jù) (count data)的poisson模型。 這些模型回歸元的值可用effects獲得并可視化。負二項廣義線形模型可由MASS包的glm.nb()實現(xiàn)。aod包提供了負二項模型的另一個實現(xiàn)，并包含過度分散數(shù)據(jù)的其它模型。邊緣(zero-inflated )和hurdle計數(shù)模型

3、可由 pscl包提供。多項響應(yīng) (Multinomial response )：特定個體協(xié)變量 (individual-specific covariates )多項模型 只能由nnet包中 multinom()函數(shù)提供。mlogit包實現(xiàn)包括特定個體和特定選擇(choice-specific )變量。多項響應(yīng)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。順序響應(yīng)(Ordered response):順序響應(yīng)的比例優(yōu)勢回歸由MASS包中polr()函數(shù)實現(xiàn)。包ordina

4、l為順序數(shù)據(jù)(ordered data)提供包括比仞優(yōu)勢模型( propotional odds models)以及更 一般規(guī)范的累積鏈接模型(cumulative link models)。貝葉斯順序 probit模型由包bayesm提 供。刪失響應(yīng)(Censored response)：基本刪失回歸模型(比如， tobit模型)可以由survival包中的suevreg()函數(shù)擬合，一個便利的接口 tobit()在AER包中。更深入的刪失回歸模型，包括 面板數(shù)據(jù)的模型，由 censReg包提供，樣本選擇的模型在sampleSelection包中可得。雜項：有關(guān)微觀計量經(jīng)濟學(xué)得進一步精細工具

5、由micEcon族包提供：Cobb-Douglas分析、translog、二次函數(shù)在 micEcon 里；規(guī)模彈性不變(Constant Elasticity of Scale, CES)函數(shù) 在 micEconCES 里；對稱歸一二次利潤( Symmetric Normalized Quadratic Profit , SNQP)函 數(shù)在micEconSNQP里；幾乎理想的需求函數(shù)模型系統(tǒng)(Almost Ideal Demand System ,AIDS )函數(shù)在 micEconAids 包里；隨機前沿分析 (Stochastic Frontier Analysis )在 frontier

6、包中；bayesm 包執(zhí)行微觀計量濟學(xué)和營銷學(xué)(marketing )中的貝葉斯方法；相對分布推斷在包reldist里。其它的回歸模型(Further regression models)非線性最小二乘回歸建?？捎胹tats包里的nls()實現(xiàn)。分位數(shù)回歸(Quantile Regression) ： quantreg (包括線性、非線性、刪失、局部多項和可加 分位數(shù)回歸)。面板數(shù)據(jù)的線性模型：plm。一個空間面板模型的包(splm)正在R-Forge開發(fā)。廣義動量方法(Generalized method of moments , GMM )和廣義實證似然 (generalized empi

7、rical likelihood , GEL)： gmm。線性結(jié)構(gòu)方程模型：sem,包括兩階段最小二乘。聯(lián)立方程估計：systemfit。非參核方法：np。Beta 回歸：betareg 和 gamlss截位(高斯)回歸：truncrego非線性混合效應(yīng)模型：nlme和lme4。廣義可加模型： mgcv、gam、gamlss和VGAM 。雜項：包VGAM、Design和Hmisc包提供了若干(廣義)線性卞II型處理的擴展工具，Zelig是一個針對很多種回歸模型的易于使用的統(tǒng)一接口?；镜臅r間序列架構(gòu)(Basic time series infrastructure )stats包的“ ts”類

8、是R的規(guī)則間隔時間序列的標(biāo)準(zhǔn)類(尤其是年度、季度和月度數(shù)據(jù))。ts”格式的時間序列可以與zoo包中白z zooreg” 強制互換，而不丟失信息。 zoo包規(guī)則 和不規(guī)則間隔時間序列的架構(gòu)(后者通過類“ 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”時間索弓I)或日內(nèi)序列(例如，以“ POSIXct”時間索弓I)。建立在POSIXt”時間-日期類上的its、tseries和timeSeries (前fSeries)包也提供不規(guī)則間 隔時間序列的架構(gòu)，特別用于金融分析。時間序列建模(Time series modelling )stats包里有經(jīng)典的時間序列建模工

9、具，arima()函數(shù)做ARIMA 建模和Box-Jenkins-type分析。stats包還提供StructTS()函數(shù)擬合結(jié)構(gòu)時間序列。可以用nlme包中的gls()函數(shù)經(jīng)由OLS擬合含AR誤差項的線性回歸模型。時間序列的濾波和分解可以用stats包白d decompose。和HoltWinters()函數(shù)。這些方法的擴展，尤其是預(yù)測和模型選擇，在 forecast包里。mFilter里有各種各樣的時序濾波方法。估計向量自回歸(VAR)模型，有若干方法可用： 簡單模型可用stats包里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

10、。dynlm包有一個經(jīng) 由OLS擬合動態(tài)回歸模型的方便接口，dyn實現(xiàn)了一個用于其它回歸函數(shù)的不同方法?？梢杂胐se擬合更高級的動態(tài)方程組。tsDyn提供各種非線性自回歸時序模型。高斯線性狀態(tài)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)。包urca、tseries和CADFtest提供了單位根和協(xié)整技術(shù)。時間序列因子分析在tsfa包里。包sde提供隨機微分方程的模擬和推斷。非對稱價格傳導(dǎo)建模在apt包中。雜項矩陣操作(Matrix manipulations )。作為一個向量和矩陣語言，R有許多基本函數(shù)處理矩陣，與Matrix和SparseM包互補。放回再抽樣(Boot

11、strap)。除了推薦的 boot包，bootstrap或simpleboot包里有一些其它的常meboot包里的最大嫡規(guī)bootstrapping技術(shù)；還有些函數(shù)專門為時間序列數(shù)據(jù)而設(shè)計，如: bootstrap, tseries包里的 tsbootstrap()函數(shù)。不平等(Inequality)。為了測量不平等 (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), Pens parade,基尼系數(shù)(Gini coefficient)。結(jié)構(gòu)變化(Structural chan

12、ge)。R有很強的處理參數(shù)模型的結(jié)構(gòu)變化和變化點的能力，可參 考 strucchange 和 segmented包。數(shù)據(jù)集(Data sets)Packages AER和Ecdat包含許多來自計量經(jīng)濟學(xué)教科書和雜志(應(yīng)用計量經(jīng)濟學(xué)，商業(yè)/經(jīng)濟統(tǒng)計)的數(shù)據(jù)集。AER另外提供大量例子再現(xiàn)來自教材和文獻的分析，演示各種計量經(jīng)濟學(xué)方法。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(shù)據(jù)集、函數(shù)和腳本。DNmoney包提供加拿大貨幣流通額。pwt 包提供佩世界表(

13、Penn World Table)。包 expsmooth、fma 和 Mcomp 分另1J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(shù)據(jù)包包 erer 包含 Empi

14、rical Research in Economics: Growing up with R (Sun, forthcoming ) 一書 中的函數(shù)和數(shù)據(jù)集。一個處處像別人表明自己優(yōu)秀的，恰恰證明了他（她）并不優(yōu)秀，或者說缺什么，便炫耀什么。真正的優(yōu)秀，并不是指一個人完美無缺，偶像般的光芒四射。而是要真實地活著，真實地愛著。對生活飽有熱情，滿足與一些小確幸，也要經(jīng)得起誘惑，耐得住寂寞，內(nèi)心始終如孩童般的純真。要知道，你走的每一步，都是為了遇見更好的自己，都是為了不辜負所有的好年華。一個真實的人，一定也是個有擔(dān)當(dāng)?shù)摹２徽撋硖幒蔚?，居于何種逆境，他（她）們都不會畏懼坎坷和暴風(fēng)雨的襲擊。因為知道活著

15、的意義，就是真實的直面風(fēng)浪。生而為人，我們可以失敗，卻不能敗的沒有風(fēng)骨，甚至連挑戰(zhàn)的資格都不敢有。人當(dāng)如玉，無骨不去其身。生于塵，立于世，便該有一顆寬厚仁德之心，便有一份容天下之事的氣度。一個真實的人，但是又不會過于執(zhí)著。因為懂得，水至清則無魚，人至察則無徒的道理。完美主義者最大的悲哀，就是活得不真實，不知道審時度勢，適可而止。一扇窗，推開是艷陽天，關(guān)閉，也要安暖向陽。不煩不憂，該來的就用心珍惜，坦然以對；要走的就隨它去，無怨無悔。人活著，就是在修行，最大的樂趣，就是從痛苦中尋找快樂。以積極的狀態(tài)，過好每一天，生活不完美，我們也要向美而生。一個真實的人，一定是懂愛的。時光的旅途中，大多數(shù)都是匆匆擦肩的過客。只有那么微乎其微的人，才可以相遇，結(jié)伴同行。而這樣的結(jié)伴一定又是基于志趣相投，心性相近的品性。最好的愛，不是在于共富貴，而是可以共患難，就像一對翅膀，只有相互擁抱著才能飛翔。愛似琉璃，正是因為純粹干凈，不沾染俗世的美。懂愛的人，一定是真實的人。正是因為懂得真愛的不易，所以