R语言常用计量分析包

1、R 语言常用计量分析包CRAN 任务视图：计量经济学线形回归模型(Linearregressionmodels)线形模型可用 stats 包中 lm()函数通过 OLS 来拟合，该包中也有各种检验方法用来比较模型，如：summary()和 anova()。Imtest 包里的 coeftest()和 waldtest()函数是也支持渐近检验(如：z 检验而不是检验，卡方检验而不是 F检验)的类似函数。car 包里的 linear.hypothesis()可检验更一般的线形假设。HC 和 HAC 协方差矩阵的这些功能可在 sandwich 包里实现。car 和 lmtest 包还提供了大量回归诊

2、断和诊断检验的方法。工具变量回归(两阶段最小二乘)由 AER 包中的 ivreg()提供，其另外一个实现 sem 包中的tsls()。微观计量经济学(Microeconometrics)许多微观计量经济学模型属于广义线形模型，可由 stats 包白 gglm()函数拟合。包括用于选择类数据(choicedata)的 Logit 和 probit 模型，用于计数类数据(countdata)的 poisson 模型。这些模型回归元的值可用 effects 获得并可视化。负二项广义线形模型可由 MASS 包的 glm.nb()实现。aod 包提供了负二项模型的另一个实现，并包含过度分散数据的其它模型

3、。边缘(zero-inflated)和 hurdle 计数模型可由 pscl 包提供。多项响应(Multinomialresponse)：特定个体协变量(individual-specificcovariates)多项模型只能由 nnet包中 multinom()函数提供。mlogit 包实现包括特定个体和特定选择(choice-specific)变量。多项响应的广义可加模型可由 VGAM 包拟合。针对多项 probit 模型的贝叶斯方法由 MNP 包提供，各种贝叶斯多项模型(包括 logit 和 probit)在 bayesm 包中可得。顺序响应(Orderedresponse):顺序响应的

4、比例优势回归由 MASS 包中 polr()函数实现。包ordinal 为顺序数据(ordereddata)提供包括比仞优势模型(propotionaloddsmodels)以及更一般规范的累积链接模型(cumulativelinkmodels)。贝叶斯顺序 probit 模型由包 bayesm 提供。删失响应(Censoredresponse)：基本删失回归模型(比如，tobit 模型)可以由 survival 包中的 suevreg()函数拟合，一个便利的接口 tobit()在 AER 包中。更深入的删失回归模型，包括面板数据的模型，由 censReg 包提供，样本选择的模型在 sampl

5、eSelection 包中可得。杂项：有关微观计量经济学得进一步精细工具由 micEcon 族包提供：Cobb-Douglas 分析、translog、 二次函数在 micEcon 里； 规模弹性不变(ConstantElasticityofScale,CES)函数在 micEconCES里；对称归一二次利润(SymmetricNormalizedQuadraticProfit,SNQP)函数在 micEconSNQP 里；几乎理想的需求函数模型系统(AlmostIdealDemandSystem,AIDS)函数在 micEconAids 包里；随机前沿分析(StochasticFrontie

6、rAnalysis)在 frontier 包中；bayesm 包执行微观计量济学和营销学(marketing)中的贝叶斯方法；相对分布推断在包 reldist 里。其它的回归模型(Furtherregressionmodels)非线性最小二乘回归建模可用 stats 包里的 nls()实现。分位数回归(QuantileRegression)：quantreg(包括线性、非线性、删失、局部多项和可加分位数回归)。面板数据的线性模型：plm。一个空间面板模型的包(splm)正在 R-Forge 开发。广义动量方法(Generalizedmethodofmoments,GMM)和广义实证似然(gen

7、eralizedempiricallikelihood,GEL)：gmm。线性结构方程模型：sem,包括两阶段最小二乘。联立方程估计：systemfit。非参核方法：np。Beta 回归：betareg 和 gamlss截位(高斯)回归：truncreg。非线性混合效应模型：nlme 和 lme4。广义可加模型：mgcv、gam、gamlss 和 VGAM。杂项：包 VGAM、Design 和 Hmisc 包提供了若干(广义)线性卞 II 型处理的扩展工具，Zelig是一个针对很多种回归模型的易于使用的统一接口。基本的时间序列架构(Basictimeseriesinfrastructure)s

8、tats 包的“ts”类是 R 的规则间隔时间序列的标准类(尤其是年度、季度和月度数据)。ts”格式的时间序列可以与 zoo 包中白 zzooreg”强制互换，而不丢失信息。zoo 包规则和不规则间隔时间序列的架构(后者通过类“zoo”)，其中时间信息可以是任意类。这包括日间序列(典型地，以“Date”时间索弓 I)或日内序列(例如，以“POSIXct”时间索弓 I)。建立在POSIXt”时间-日期类上的 its、 tseries 和 timeSeries(前 fSeries)包也提供不规则间隔时间序列的架构，特别用于金融分析。时间序列建模(Timeseriesmodelling)stats

9、包里有经典的时间序列建模工具，arima()函数做 ARIMA 建模和 Box-Jenkins-type 分析。stats 包还提供 StructTS()函数拟合结构时间序列。可以用 nlme 包中的 gls()函数经由 OLS 拟合含 AR 误差项的线性回归模型。时间序列的滤波和分解可以用 stats 包白 ddecompose。和 HoltWinters()函数。这些方法的扩展，尤其是预测和模型选择，在 forecast 包里。mFilter 里有各种各样的时序滤波方法。估计向量自回归(VAR)模型，有若干方法可用：简单模型可用 stats 包里 ar()拟合，vars 包提供更精巧的模型

10、，dse 中的 estVARXls()和贝叶斯方法在 MSBVAR 中。dynlm 包有一个经由 OLS 拟合动态回归模型的方便接口，dyn 实现了一个用于其它回归函数的不同方法。可以用 dse 拟合更高级的动态方程组。tsDyn 提供各种非线性自回归时序模型。高斯线性状态空间模型可用 dlm 拟合(通过最大似然、卡尔曼滤波/平滑和贝叶斯方法)。包 urca、tseries 和 CADFtest 提供了单位根和协整技术。时间序列因子分析在 tsfa 包里。包 sde 提供随机微分方程的模拟和推断。非对称价格传导建模在 apt 包中。杂项矩阵操作(Matrixmanipulations)。作为一

11、个向量和矩阵语言，R 有许多基本函数处理矩阵，与 Matrix 和 SparseM 包互补。放回再抽样(Bootstrap)o除了推荐的 boot 包，bootstrap 或 simpleboot 包里有一些其它的常规bootstrapping技术； 还有些函数专门为时间序列数据而设计， 如： meboot包里的最大嫡bootstrap,tseries包里的 tsbootstrap()函数。不平等(Inequality)。为了测量不平等(inequality),集中(concentration)和贫穷(poverty),ineq 包提供了一些基本的工具，如：劳伦茨曲线(Lorenzcurves

12、),Pensparade,基尼系数(Ginicoefficient)。结构变化(Structuralchange)。R 有很强的处理参数模型的结构变化和变化点的能力，可参考strucchange 和 segmented 包。数据集(Datasets)PackagesAER 和 Ecdat 包含许多来自计量经济学教科书和杂志(应用计量经济学，商业/经济统计)的数据集。AER 另外提供大量例子再现来自教材和文献的分析，演示各种计量经济学方法。FinTS 是 Tsay 的AnalysisofFinancialTimeSeries(2nded.,2005,Wiley)一书的 R 参考，包含运行其中一些例子所需的数据集、函数和脚本。DNmoney 包提供加拿大货币流通额。pwt 包提供佩!世界表(PennWorldTable)。包 expsmooth、fma 和 Mcomp 分另1J 是ForecastingwithExponentialSmoothing:TheStateSpaceApproach(Hyndman,Koehler,Ord,Snyder,2008