文档介绍: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( Linear regression models )
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()。
lmtest 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 () 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。
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 () 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。
边缘( zero-inflated )和 hurdle 计数模型可由 pscl 包提供。
多项响应 (Multinomial response ):特定个体协变量 ( individual-specific covariates )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( Ordered response):顺序响应的比例优势回归由 MASS 包中 polr() 函数实现。包
ordinal 为顺序数据( ordered data)提供包括比例优势模型( propotional odds models )以及更
一般规范的累积链接模型( cumulative link models)。贝叶斯顺序 probit 模型由包 bayesm 提
供。
删失响应( Censored response):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 sampleSelection 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