R调语言常小用计量分析包.doc

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。 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分析、translog、二次函数在micEcon里；规模弹性不变（Constant Elasticity of Scale，CES）函数在micEconCES里；对称归一二次利润（Symmetric Normalized Quadratic Profit，SNQP）函数在micEconSNQP里；几乎理想的需求函数模型系统（Almost Ideal Demand System ，AIDS）函数在micEconAids包里；随机前沿分析（Stochastic Frontier Analysis）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（Further regression models） 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（Quantile Regression）：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（Generalized method of moments，GMM）和广义实证似然（generalized empirical likelihood，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）线性模型处理的扩展工具，Zelig是一个针对很多种回归模型的易于使用的统