R語言常用計量分析包

1、精選優(yōu)質(zhì)文檔-傾情為你奉上R語言常用計量分析包CRAN任務視圖：計量經(jīng)濟學線形回歸模型（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()。lmtest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。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

2、方法。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(xiàn)sem包中的tsls()。微觀計量經(jīng)濟學（Microeconometrics）許多微觀計量經(jīng)濟學模型屬于廣義線形模型，可由stats包的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

3、數(shù)模型可由pscl包提供。多項響應（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（Ordered response）：順序響應的比例優(yōu)勢回歸由MASS包中polr()函數(shù)實現(xiàn)。包ordinal為順序數(shù)據(jù)（ord

4、ered data）提供包括比例優(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（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)濟學得進一步精細工具由micEcon族包提供：Cobb-

5、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包中；bayesm包執(zhí)行微觀計量濟學和營銷學（marketing）中的

6、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 empirical likelihood，GEL）：gmm。線性結(jié)構(gòu)方程模型：sem，包括兩階段最

7、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：truncreg。非線性混合效應模型：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）線性模型處理的擴展工具，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” 類是R的規(guī)則間隔時間序列的標準類（尤其是年度、季度和月度數(shù)據(jù)）?！皌s”格式的時間序列可以與zoo包中的“zoor

8、eg” 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”時間索引）或日內(nèi)序列（例如，以“POSIXct”時間索引）。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

9、序列?？梢杂胣lme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 包的decompose() 和HoltWinters() 函數(shù)。這些方法的擴展，尤其是預測和模型選擇，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。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

10、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（Bootstrap）。除了推薦的boot包，bootstrap或simpleboot包里有一些其它的常規(guī)bootstrapping技

11、術(shù)；還有些函數(shù)專門為時間序列數(shù)據(jù)而設計，如：meboot包里的最大熵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），Pen's parade，基尼系數(shù)(Gini coefficient)。結(jié)構(gòu)變化（Structural change）。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 se

12、ts）Packages AER和Ecdat包含許多來自計量經(jīng)濟學教科書和雜志（應用計量經(jīng)濟學，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包提供佩恩世界表(Penn World Table)。包expsmooth、fma和Mcomp分別是Forecasting with Exponential Smoothing: The State Space Approach（Hyndman, Koehler, Ord, Snyder, 2008, Springer）、Forecasting: Methods