CRAN Task View: Computational Econometrics

最新推荐文章于 2024-06-04 09:43:32 发布

mjk

最新推荐文章于 2024-06-04 09:43:32 发布

阅读量1.5k

点赞数

分类专栏： R 文章标签：工具 matrix 金融任务 basic table

R 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

计算计量经济学（Computational Econometrics）
网址：http://cran.r-project.org/web/views/Econometrics.html
维护人员：Achim Zeileis
版本：2008-04-02
翻译：R-fox, 2008-04-15

R的很多基本函数都可用于计量经济学，尤其是stats包。CRAN的许多包也有可以分析计量经济学，下面做个简要的综述。这里介绍的工具可能与CRAN的计量金融(empirical finance)任务列表（http://cran.r-project.org/web/views/Finance.html）有许多的重合。此外，从邮件列表finance SIG（https://www.stat.math.ethz.ch/mailman/listinfo/R-SIG-Finance/）可获得计量经济和计量金融相关的帮助和讨论问题。CRAN的SocialSciences任务列表（http://cran.r-project.org/web/views/SocialSciences.html）覆盖了许多社会科学的工具，因此也与这里的工具有所重合，如：政治科学。这里综述的包大致可分为如下的几个话题：

1）线形回归模型（Linear regression models）
线形模型可由lm()函数拟合，也有各种检验方法用来比较模型，如：summary() 和anova()。类似的函数也支持。类似的功能也适合于渐近检验（如：z检验而不是检验，卡方检验而不是F检验），此外还有lmtest包里的coeftest()和waldtest()函数。car包里的linear.hypothesis()可检验更广义的线形假设。HC和HAC协方差矩阵的这些功能可在sandwich包里实现。car和lmtest包还提供了许多线形回归模型的诊断方法。
2）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包的glm()函数拟合。包括用于选择类数据（choice data）的Logit和probit模型，用于计数类数据（count data）的poisson模型。负二项广义线形模型可由MASS包的glm.nb()实现。边缘(zero—inflated)和hurdle计数模型可由pscl包提供，zicounts包里也实现了边缘模型。双变量Poisson回归模型可在bivpois包里实现。基本的删失回归模型(censored regression model)，如：tobit模型，可由survival包里的survreg()函数拟合。micEcon包里提供了微观计量经济学的更好的工具。bayesm包执行微观计量济学和营销学（marketing）中的贝叶斯方法。reldist包提供了相对分布（relative distributions）相关的方法。
3）其它的回归模型（Further regression models）：
R和CRNA包里有各种延伸的线形回归模型和其它模型拟合方法。非线性最小二乘回归建模可用stats包里的nls()实现。相关的包还有：quantreg（分位数回归Quantile Regression），crq（截取分位点回归censored quantile regression），plm（面板数据的线形回归），sem（线性结构方程模型，包括二阶段最小平方），systemfit（联立方程估计），np（非参核方法），betareg（beta回归），nlme（非线性混合效应模型），VR（nnet 包的多项Logit模型），MNP（贝叶斯多项Probit模型）。Design和Hmisc包提供广义线形回归模型的工具。
4）基本的时间序列架构（Basic time series infrastructure）：
tats包的"ts" 类是R的规则间隔时间序列的标准类。Zoo包提供了规则和不规则间隔时间序列的架构。建立在"POSIXt"时间-日期类上的its, tseries和fCalendar包也提供不规则间隔时间序列的架构，特别用于金融分析。
5）时间序列建模（Time series modelling）：
stats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，decompose()过滤时间序列，HoltWinters()分解时间序列。forecasting包束提供了一些延伸的方法，尤其是预测和模型选择。多种时间序列的过滤器可在mFilter包里找到。为了估计VAR模型，stats包的ar()拟合简单的模型，vars包、dse包的estVARXls()提供了更精巧的模型，MSBVAR包提供了贝叶斯方法。Dynlm包提供了经由OLS过滤动态回归模型的方便接口；dyn包里则提供了不同的方法。更高级的动态系统方程可由dse包拟合。高斯线形状态空间模型可由dlm包拟合（用最大斯然，kalman滤波/平滑，和贝叶斯方法）。Unit root（单位根）和cointegration technique（协整技术）可在urca，uroot和tseries包里找到。tsfa包可做时间序列因子分析。sde包提供随机微分方程的模拟和推论。
6）矩阵处理（Matrix manipulations）：
作为一个向量和矩阵语言，R有许多基本函数处理矩阵，与Matrix和SparseM包互补。
7）放回再抽样（Bootstrap）：
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包里的最大熵bootstrap，tseries包里的tsbootstrap()函数。
8）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（Lorenz curves），Pen's parade，基尼系数(Gini coefficient)。
9）结构变化（Structural change）：
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。
10）数据集（Data sets）：
这里介绍的许多包里都有来自计量经济学文献里的数据集，Ecdat包包括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。FinTS包针对书'Analysis of Financial Time Series' (2nd ed., 2005, Wiley)，包括数据集，函数，列子的脚本文件。CDNmoney包提供加拿大货币流通额，pwt包提供佩恩世界表(Penn World Table)。