R言語 CRAN Task View：計量経済学

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
Contact:	Achim.Zeileis at R-project.org
Version:	2020-12-20
URL:	https://CRAN.R-project.org/view=Econometrics

ベースRは、特に計量パッケージの計算計量経済学に有用な多くの機能を備えています。この機能はCRANの多くのパッケージによって補完されていますが、以下で概要を説明します。また、このビューの計量分析ツールとFinanceおよびSocialSciences、TimeSeries のタスクビューのツールとの間にはかなりの重複があります。

このビューのパッケージは、大まかに次のトピックで構成されます。リストにパッケージがないと思われる場合は、メンテナにお問い合わせください。

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：
  • carとlmtest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。
  • skedasticは、不均一分散を検出するための特別な診断が含まれています。

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。
  • 特定のGLMSための限界効果テーブルはmarginsとmfx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とmnlogit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。
  • サンプル選択のためのモデルがsampleSelectionで提供されています。
  • 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 ：
  • 分数応答モデルは、frmです。
  • (0 ,1)の応答用ベータ回帰は、betaregとgamlssです。
• 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。
  • HeckmanとSingerの混合比例ハザード競合リスクモデルは、durmodで利用できます。
• 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、sfaの特定の特殊なケースです。
  • セミパラメトリックSFAは、spfrontierと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：
  • 二段階最小二乗法（2SLS）はAERでivreg()によって提供されます。
  • 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、ivpack、lfe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。
  • 専用IVパネルデータモデルはivfixed（固定効果）とivpanel（間ランダム効果）によって提供されます。
• その他：
  • REndo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。

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clusterSEs、pcse、clubSandwich、plm、geepack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：
  • 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。
  • これらのモデルのいくつかの別の実装は、Paneldataです。
  • さまざまなダイナミックパネルモデルが、OrthoPanelsで固定効果を持つダイナミックパネルモデルおよびplmで使用できます。
  • 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、lme4とnlmeでご利用いただけます。
• 操作変数：
  • ivfixedとivpanelは、上記も参照してください。
• その他：
  • 自己相関とで不均一補正は、wahcとpanelARでご利用いただけます。
  • 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。

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：
  • gmm
• 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、spatialregとsphet 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パッケージです。
  • 空間プロビットモデルは、spatialprobitでご利用いただけます。
• 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：
  • lavaan、sem
• 連立方程式の推定：
  • systemfit
• 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：
  • nlme、lme4
• 一般化加法モデル（GAMS）：
  • mgcv、gam、gamlss、VGAM
• 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：
  • ExtremeBounds
• その他：
  • VGAMとrms、Hmisc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：
  • urca、tseries、CADFtest。
  • パネル共和分検定についてはpco も参照。
• 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
  • tsfa：時系列因子分析。
  • 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：
  • AERとEcdat、wooldridge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。
  • AERとwooldridge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）のための幅広いデータセットを利用できます。
  • 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：
  • CDNmoney
• 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fma、Mcomp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。
• 米国州や郡レベルのパネルデータ：
  • rUnemploymentData
• 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

• 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、MatrixとSparseM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。
• 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：
  • strucchangeとsegmented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、gvcとdecomprです。
• 回帰不連続性の設計：
  • rddとrdrobust、rdlocrand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。