CRAN Task View: Econometricsの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。

Maintainer: Achim Zeileis, Grant McDermott, Kevin Tappe
Contact: Achim.Zeileis at R-project.org
Version: 2022-09-13
URL: https://CRAN.R-project.org/view=Econometrics
Source: https://github.com/cran-task-views/Econometrics/
Contributions: このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくはContributing guideをご覧ください。
Installation: このタスクビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“Econometrics”, coreOnly = TRUE) は全てのコアパッケージをインストールし、ctv::update.views(“Econometrics”)はまだインストールしていない全てのパッケージと最新版のパッケージをインストールすることが可能です。詳しくはCRAN Task View Initiativeを参照してください。

基本的なRには、特にstatsパッケージなど、計算計量学に有用な機能が多く含まれています。この機能はCRANにある多くのパッケージによって補完されており、以下にその概要を示します。また、このビューにある計量経済学のためのツールと金融や時系列に関するタスクビューのツールはかなり重複しています。

このビューにあるパッケージは、大まかに以下のトピックに分類されます。もし、このリストにないパッケージがあると思われる場合は、GitHub リポジトリに課題を提出するか、メンテナに連絡してください。

線形回帰モデル

  • 推定と標準推論:
    • 線形モデルのため、通常の最小二乗法(OLS)推定は(統計から)lm()によって提供され、モデルの比較のための標準的なテストは、summary()とanova()などの様々な方法でご利用いただけます。
  • さらに推論とネストされたモデルの比較:
    • また、漸近検定(t検定の代わりにZ、およびF検定の代わりにカイ二乗)と他の共分散行列のプラグインをサポートする、基本的なsummary()とanova()関数に類似する機能は、lmtestでcoeftest()とwaldtest()です。
  • より一般的な線形仮説のテストは、carでlinearHypothesis()、非線形仮説の場合はdeltaMethod()で実装されています。
  • 堅牢な標準誤差:
    • HCとHAC共分散行列は、sandwichで利用可能であり、上述の推論機能に接続することができます。
  • Nonnestedモデルの比較:
    • 非ネストされた線形モデルを比較するための様々なテストがlmtest(包含テスト、Jテスト、コックステスト)でご利用いただけます。他の非ネストされたモデルを比較するヴォン検定はnonnest2(具体的にはpsclのカウントデータ回帰)によって提供されます。
  • Diagnostチェック:
    • carlmtestは、回帰diagonsticsの大規模なコレクションと診断テストを提供しています。

ミクロ計量

  • 一般化線形モデル(GLMS):
    • 多くの標準microeconometricモデルが一般化線形モデルのファミリ(GLM)に所属し、パッケージの統計からglm()で取り付けることができます。
    • これはカウントデータモデリングの選択データとポアソンモデルの特定のロジットおよびプロビットモデルで含まれています。
    • これらのモデルにおける説明変数の典型的な値のための効果が得られるeffectsを用いて可視化することができます。
    • marginaleffectsを使用すると、さまざまなモデルの限界効果表とそれに対応する可視化データを作成することができます。
    • 特定のGLMSための限界効果テーブルはmarginsmfxを使用して得ることができます。
    • 効果と限界効果の両方のインタラクティブな視覚化はLinRegInteractiveで可能です。
  • バイナリレスポンス:
    • バイナリ応答のための(他の多くの間)標準的なロジットとプロビットモデルは、family=binomialのglm()によって推定することができるGLMsです。
    • 完了し、準完全分離する堅牢でバイアス減少GLMsはbrglmによって提供されています。
    • Rchoiceは、シミュレーションされた最尤法によって推定された離散選択モデルを実装しています。
    • bifeは、固定効果を持つバイナリ選択モデルを提供します。
    • Heteroskedasticプロビットモデル(およびその他のheteroskedastic GLMs)は、パラメトリックリンク関数とGLMSのためのgoodness-of-linkテストと一緒にglmxに実装されています。
  • カウントレスポンス:
    • 基本的なポアソン回帰は、上述したように、family=poissonのglm()によって推定することができるGLMです。
    • 負の二項GLMSは、MASSのglm.nb()を介して利用できます。
    • 負の二項モデルの別の実装も、過分散データのための他のモデルが含まれているaodによって提供されています。
    • ゼロ膨張ハードルカウントモデルは、psclに設けられています。
    • 同じ著者による再実装もゼロ切り捨て回帰、有限混合モデルなどのために別々の機能を包含し、R-フォージのcountregで現在開発中です。
  • 多項レスポンス:
    • 個々の固有の共変量を持つ多項モデルのみのパッケージnnetからmultinom()で提供されています。
    • 両方の個人と選択肢固有の変数での実装は、mlogitです。
    • 一般多項ロジットモデル(例えばランダム効果など)は、gmnlです。
    • (多項ロジットやネストロジットを含む)さまざまなカスタマイズ可能な選択モデルの柔軟なフレームワークは、apolloに実装されています。
    • 多項応答のための一般化加法モデル(GAMs)は、VGAMを取り付けることができます。
    • 多項プロビットモデルのベイズアプローチは、MNPにより提供されます。
    • (ロジットおよびプロビットを含む)様々なベイズ多項モデルがbayesmでご利用いただけます。
    • RSGHBは、尤度関数の直接の仕様に基づいて、様々な階層ベイズ仕様に適合します。
  • 順序付けられたレスポンス:
    • 順序付けられたレスポンスの比例オッズ回帰パッケージMASSからpolr()に実装されています。
    • ordinalは、比例オッズモデルを含む順序付けられたデータの累積リンクモデルを提供だけでなく、より一般的な仕様が含まれています。
    • ベイジアン順序付けられたプロビットモデルはbayesmによって提供されます。
  • 打ち切り応答:
    • 基本的な検閲回帰モデル(例えば、トービットモデル)survivalのsurvreg()、パッケージAERにあるコンビニエンスインタフェースのトービットで取り付けることができます。
    • パネルデータのモデルを含むさらなる検閲回帰モデルは、censRegに設けられています。
    • 条件付き不均一と検閲回帰モデルは、crchです。
    • mhurdleは、ゼロでの左打ち切りデータのハードルモデルを推定できます。
    • サンプル選択のモデルは、sampleSelectionssmrobで、それぞれ古典的な推論とロバストな推論を用いています。
    • サンプルが安定したマッチング処理の結果(例えば、グループ形成や大学入試の問題)であるときmatchingMarketsは選択バイアスを補正します。
  • 切り捨てられた応答:
    • ガウス分布、ロジスティック分布、およびtレスポンスの場合には、crch になります。
    • ホモスセシス・ガウス応答は、truncregでも利用できます。
  • 分数と割合の応答 :
  • 持続時間応答:
    • 多くの古典的な持続時間モデルは、生存に適合させることができます。たとえば、coxph()を使用したCox比例ハザードモデルまたはsurvreg()を使用したワイブルモデル
    • より多くの洗練されたモデルは、Survivalタスクビューで見つけることができます。
  • 高次元の固定効果:
    • 複数のグループに対して、潜在的に高次元の固定効果を持つ線形モデルは、lfeで近似できます。
    • 対応GLMsは、alpacaでカバーされています。
    • fixestは、OLSとGLMの両方をカバーするC ++コードに基づく別の実装です。
  • その他:
    • microecnometricsのためのより一層洗練されたツールは、micEconファミリで提供されています。
    • コブ・ダグラス、トランスログ、および二次関数を用いた分析は、micEconにあります。
    • スケール(CES)の定数弾力性は関数は、micEconCESにあります。
    • 対称正規化二次利益(SNQP)関数は、micEconSNQPにあります。
    • ほぼ理想的なオンデマンドシステム(AIDS)は、micEconAidsにあります。
    • 確率的フロンティア分析(SFA)は、frontierにあります。
    • セミパラメトリックSFAは、ssfaの空間SFAとsemsfaで利用可能です。
    • bayesmは、ミクロ計量とマーケティングへのベイズ的なアプローチを実装しています。
    • 相対分布用の推論は、reldistに含まれています。

操作変数

  • 基本的な操作変数(IV)回帰:
    • 2段階の最小二乗法(2SLS)は、ivreg(以前はAERにあった)によって提供されています。
    • 他の実装は、(複数のグループ固定効果に特に焦点を当てた)semでのtsls()です。
  • バイナリの応答:
    • GLS推定を介してIVのプロビットモデルはivprobitで利用可能です。
    • LARFは、バイナリの処理とバイナリ機器の局部平均応答関数を推定します。
  • パネルデータ:
    • パネルデータのための特定の基本的なIVモデルは、標準2SLS機能(上記参照)を用いて推定することができます。
    • これらには、固定効果の fixestおよび lfeと、一次差分、間、および複数のランダム効果メソッドの plmが含まれます。
  • その他:
    • REndo (archived)は、さまざまな潜在的な計器変数アプローチを使用して、線形モデルを内因性リグレッサに適合させます。
    • SteinIVは、JIVEやSPSなどのセミパラメトリックIV推定量を提供します。

回帰不連続デザイン

  • 回帰不連続計画法(RDD)は、rdrobust(ロバスト信頼区間構築と帯域幅選択を提供)、rddensity (密度不連続性検定(操作検定ともいう))、rdlocrand(局所ランダム化下での推論)、rdmulti(複数のカットオフまたはスコアによる分析)に実装されています。
  • 検出力、サンプルサイズ、最小検出可能効果(MDE)の計算を行うツールはrdpowerで利用できます。
    • RATestは、シャープRDDにおけるベースライン共変量の連続性仮定に対する並べ替え検定などのランダム化検定のコレクションを提供します。

 

パネルデータモデル

  • パネル補正された標準誤差:
    • パネルデータのための簡単な方法は、(例えばlm()またはglm()を介して、)プール(または独立)モデルに適合し、唯一の標準誤差を補正することです。パネル補正された標準誤差の異なる型は、それぞれ、multiwayvcovおよびclusterSEspcseclubSandwichplmgeepackでご利用いただけます。後者の二つは、それぞれのパッケージ(以下も参照、他のタイプのモデルを提供する)のplm()とgeeglm()を介してプール/独立モデルの推定を必要とします。
  • 線形パネルモデル:
    • fixestは、高次元データと複数の固定効果にスケーリングする非常に効率的な固定効果ルーチンを提供します。
    • plmは、補正後の標準誤差、テストなど(とりわけ)広範囲なランダム効果法を提供しています。
    • plmでは様々なダイナミックパネルモデル、pdynmcではモーメント条件に基づく推定、OrthoPanelsでは固定効果を用いたダイナミックパネルモデルが利用できます。
    • パネルベクトルの自己回帰は、panelvarで実装されています。
    • feisrは、固定効果の個別勾配(FEIS)モデルを提供します。
    • パネルベクトルの自己回帰は、panelvarに実装されています。
  • 推定方程式と一般化:
    • GLMs:パネルデータ(または統計的な専門用語の縦のデータ)のためのGEEモデルがgeepackです。
    • pglmは、パネルデータのGLM状モデルの推定を提供します。
  • 混合効果モデル:
    • リニアおよびパネルデータ(およびより一般的なマルチレベルデータ)のための非線形モデルは、lme4nlmeでご利用いただけます。
  • 操作変数:
  • その他:
    • 閾値回帰と単位根テストは、pdRに記載されています。
    • プログラム評価のためのパネルデータアプローチ方法は、pampeで利用可能です。
    • collapseは、パネルデータ計量経済学のための専用の高速データ前処理を提供します。

さらなる回帰モデル

  • 非線形最小二乗モデリング:
    • パッケージstatsでnls()。
  • 分位回帰:
    • quantreg(線形、非線形、途中打ち切り、局所的多項式、加法分位回帰を含む)。
  • モーメント(GMM)と一般化された実証的尤度(GEL)の一般的な方法:
  • 空間計量経済モデル:
    • Spatialビューは、(回帰)モデルに関する情報とともに、空間データの取り扱いに関する詳細を提供します。
    • 特に、空間回帰モデルは、spatialregsphet を使用して適合させることができます(後者はGMMアプローチを使用します)。
    • splmは、空間パネルモデルのためのパッケージです。
    • 空間プロビットモデルはspatialprobitで、空間無相関回帰(SUR)モデルはspsurで利用可能です。
  • ベイズモデル平均(BMA):
    • BMAのための包括的なツールボックスが選択、サンプリングなどの前に、柔軟に含むBMS (archived) によって提供されます。
    • 別の実装では、線形モデル、一般化線形モデルと生存モデル(Cox回帰)のためのBMAです。
  • 線形構造方程式モデル:
  • 機械学習:
    • 機械学習と計量経済学的推論(特に因果関係の同定)を組み合わせたパッケージがいくつかあります。例えば、因果関係ランダムフォレストや異質な治療効果の推定を行うgrf、mlr3ファミリーの幅広いモデルの二重機械学習を行うDoubleML、高次元エコノメトリックモデルを選択するhdmなどです。より一般的な概要については、MachineLearningタスクビューを参照してください。
  • 連立方程式の推定:
  • ノンパラメトリックカーネル法:
    • npはカーネル平滑化を使用
    • NNSは部分モーメントを使用
  • 線形および非線形混合効果モデル:
  • 一般化加法モデル(GAMS):
  • 設計ベースの推論:
    • estimatrは、線形回帰、機器変数の回帰、平均値の差など、ロバストな標準誤差と信頼区間を持つ、設計に適したいくつかの推定量の高速な手順が含まれています。
  • 極端な境界分析:
  • その他:
    • VGAMrmsHmiscは、(一般)線形回帰モデルの拡張処理するためのいくつかのツールを提供しています。

時系列データとモデル

  • TimeSeriesタスクビューは、基本的な時系列のインフラストラクチャと時系列モデルの両方についてのより詳細な情報を提供しています。ここでは、計量経済学に関連する唯一の最も重要な側面について簡単に述べられています。金融計量経済学(例えば、GARCH、確率的ボラティリティモデル、または確率微分方程式など)のための時系列モデルは、Financeに記載されています。
  • 規則的な間隔時系列のためのインフラストラクチャ:
    • パッケージstatsでクラス「TS」は、規則的な間隔の時系列(特に年次、四半期、月次データ)のためのRの標準クラスです。
    • これは、zooから「zooreg」への情報を失うことなく前後に強制変換することができます。
  • 不規則な間隔時系列のためのインフラストラクチャ:
    • zooは、時間情報は、任意のクラスにすることができ、両方の定期的かつ不規則な間隔の時系列(クラス「zoo」を介して後者)のためのインフラストラクチャを提供します。
    • これは、(例えば、「POSIXct」時間インデックスを持つ)イントラデイシリーズ、または、(典型的には、「日付」時間インデックス付き)毎日のシリーズが含まれています。
    • 時間インデックスの異なる種類の時系列に向けzooに基づいて拡張がxtsです。
    • 金融アプリケーションで特に目的としたさらにパッケージは、Financeタスク・ビューで説明されています。
  • 古典的な時系列モデル:
    • 簡単な自己回帰モデルは、ar()で推定することができ、ARIMAモデリングとボックス・ジェンキンス型分析は、(両方のstatsパッケージで)arima()で行うことができます。arima()の拡張版は、forecastです。
  • 線形回帰モデル:
    • 時系列データに基づく2SLSモデルとOLSを推定するためのlm()への便利なインターフェースは、dynlm()です。
    • GLSを介したAR誤差項を持つ線形回帰モデルは、nlmeからgls()を使用して可能です。
  • 構造的な時系列モデル:スタンダードモデルは、statsでStructTS()を装着することができます。さらにパッケージは、TimeSeriesタスクビューで説明されています。
  • フィルタリングと分解:
    • statsでdecompose()とHoltWinters()。
    • フィルタ(ローリング、自己回帰の両方)を計算するための基本的な機能は、statsでfilter()です。
    • これらのメソッドの多くの拡張機能は、予測、モデル選択のための、特に、forecastで提供されています。
  • ベクトル自己回帰:
    • 単純なモデルは、statsでar()によって取り付けることができ、より複雑なモデルが可視化、適切な診断などと一緒にvarsで提供されています。
    • ベイジアンアプローチは、panelvar のパネルベクトルの自己回帰で利用可能です。
  • 単位根と共和分検定:
  • その他:
    • tsDyn:閾値と滑らかなtransistionモデル。
    • midasr:MIDAS回帰と混合周波数の時系列データ分析のための他の計量方法。
    • gets:log分散のlog-ARCH-Xモデルまたはlog-ARCH-Xエラーを持つARXモデルのどちらかのGEneral-To-Specific(GETS)モデル選択
    • bimets:連立方程式モデルの柔軟な仕様を使用した時系列データの計量経済学的モデリング。
    • dlsem:分散遅れ線形構造方程式モデル。
    • lpirfs:ローカル投影のインパルス応答関数。
    • apt:非対称価格伝達モデル。

データセット

  • 教科書や雑誌:
    • AEREcdatwooldridgeは、応用計量経済学誌ビジネス・経済統計データアーカイブのジャーナルからの様々な標準的計量経済学の教科書からのデータセットの総合的なコレクションだけでなく、いくつかのデータセットが含まれています。
    • AERwooldridgeは、さらに様々な計量経済学の方法を示す、教科書/論文から分析を再現例の拡張セットを提供します。
    • pderは、「Panel Data Econometrics with R」(Croissant & Millo 2018)用のデータセットが豊富に用意されています。
    • GitHubのPoEdataは、「Principles of Econometrics」(第4版、Hill、Griffiths、およびLim 2011)のデータセットを提供します。
  • カナダのマネーサプライ:
  • ペンワールド表:
    • pwtは、バージョンを5.6、6.x、7.xを提供します。
    • バージョン8.xおよび9.xのデータは、それぞれpwt8 およびpwt9で使用できます。
  • 時系列と予測データ:
    • expsmoothおよびfmaMcompは、それぞれ書籍「Forecasting with Exponential Smoothing: The State Space Approach (Hyndman, Koehler, Ord, Snyder, 2008, Springer)」と「Forecasting: Methods and Applications(Makridakis, Wheelwright, Hyndman, 3rd ed., 1998, Wiley)」と「M-competitions」の時系列データを持つデータパッケージです。
  • 経済学の実証的研究:
    • ererは、書籍「Empirical Research in Economics: Growing up with R (Sun, forthcoming)」のための関数とデータセットが含まれています。
  • 所得ダイナミクスのパネル調査(PSID):
    • psidRは所得ダイナミクスのパネル調査(PSID)からパネルデータセットを構築することができます。
  • 世界銀行のデータと統計:
    • wbstatsは、世界銀行APIへのプログラムによるアクセスを提供します。

その他

  • モデルテーブル:
    • 幅広い統計モデルについて、サイドバイサイドのサマリーテーブルを柔軟に実装し、対応するビジュアライゼーションとデータサマリーテーブルをmodelsummaryで提供しています。
    • その他の実装や、科学論文などで計量・統計結果を統合するためのユーティリティについては、ReproducibleResearchタスクビューで説明されています。
  • 行列の操作:
    • ベクトルと行列ベースの言語として、基本のRは、MatrixSparseMによって補完される行列操作を行うための多くの強力なツールと出荷されます。
  • 最適化と数理計画:
    • Rおよびその寄与パッケージの多くは、上述のように、回帰に、例えば、特定の最適化問題を解くための多くの特殊な機能を提供します。
    • より一般的な最適化問題、例えば、尤度最大化、を解決するためのさらなる機能は、Optimizationタスクビューで議論されています。
  • ブートストラップ:
    • 推奨されるbootに加えて、bootstrapまたはsimplebootだけでなく、tseriesからmebootまたはtsbootstrap()の最大エントロピーストラップのような時系列データのために設計されたいくつかのブートストラップ・テクニックで利用可能ないくつかの他の一般的なブートストラッピング技術があります。
    • fwildclusterbootは、特にクラスタ数が少ない場合に、線形回帰モデルのための高速なワイルドクラスタブートストラップの実装を提供します。
  • 不平等:
    • 不平等、集中および貧困を測定するためのineqは、ローレンツ曲線、ペンのパレード、ジニ係数と、より多くのようないくつかの基本的なツールを提供しています。
  • 構造変化:
    • strucchangesegmentedのパラメトリックモデルの構造変化とchangepointsの扱いのとき、Rは特に強いです。
  • 為替制度:
    • 為替制度について推論するための方法は、構造的な変更設定、特に、fxregimeによって提供されます。
  • グローバルバリューチェーン:
    • グローバル・バリュー・チェーンのためのツールと分解は、gvcdecomprです。
  • 回帰不連続性の設計:
    • rddrdrobustrdlocrandは、さまざまな方法が用意されています。
      • rdpowerは、回帰不連続設計のための検定力計算を提供します。
      • rdmultiは、複数のカットオフまたはスコアで分析を実装します。
  • 重力モデル:
    • gravityは、対数対数および乗法重力モデルの推定を利用できます。
  • z-Tree:
    • zTreeは、経済実験の開発と実行のためにz-Treeソフトウェアからデータをインポートできます。
  • 数値標準誤差:
    • nse (archived)は、特に相関結果シーケンスを用いたシミュレーション実験において、時系列データのさまざまな数値標準誤差を実装します。

関連する記事

  • R言語 CRAN Task View:RデータベースR言語 CRAN Task View:Rデータベース CRAN Task View: Databases with Rの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。 Maintainer: Yuan Tang, James Joseph Balamuta Contact: terrytangyuan at […]
  • さくらVPSのUbuntuでラピッドSSLの期限を更新する手順さくらVPSのUbuntuでラピッドSSLの期限を更新する手順 当サイトはさくらVPS上のUbuntu […]
  • R言語 CRAN Task View:追跡データの処理と分析R言語 CRAN Task View:追跡データの処理と分析 CRAN Task View: Processing and Analysis of Tracking Dataの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。 Maintainer: Rocío Joo and Mathieu Basille Contact: rocio.joo at […]
  • Bioconductor HeatplutsパッケージのregHeatmapで文字の大きさを変えるBioconductor HeatplutsパッケージのregHeatmapで文字の大きさを変える BioconductorのHeatplusパッケージのregHeatMap関数を用いると、ヒートマップを描けるが、行と列の文字の大きさを変える方法が分かり難かったので、備忘録として残しておく。 サンプルデータのために、Biobaseパッケージをインストールしておく。 > […]
  • 経営戦略に使えるRFM分析の基礎知識と活用法経営戦略に使えるRFM分析の基礎知識と活用法 RFM分析とは、ある一定期間の購買履歴データを用いて、顧客を分類することにより様々な示唆を得るための分析手法である。分類の仕方は、顧客を直近購買時期・購入頻度・購買額の3つの軸で分類し、各軸ごとにランク分けをする。このことにより、顧客が現在どの位置にいて、それがどのくらいの人数なのかを把握することができる。 あなたは、このような分類をすることにどのようなメリットがあるの […]
R言語 CRAN Task View:計量経済学

R言語 CRAN Task View:計量経済学」への1件のフィードバック

コメントは受け付けていません。