R语言常用计量分析包.docx

细心整理
R语言常用计量分析包
CRAN任务视图：计量经济学
线形回来模型〔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拟模型，如：可加模型：mgcv、gam、gamlss和VGAM。
杂项：包VGAM、Design和Hmisc包供应了假设干〔广义〕线性模型处理的扩展工具，Zelig是一个针对许多种回来模型的易于运用的统一接口。
根本的时间序列架构〔Basic time series infrastructure〕
stats包的“ts” 类是R的规那么间隔时间序列的标准类〔尤其是年度、季度和月度数据〕。
“ts”格式的时间序列可以与zoo包中的“zooreg” 强制互换，而不丢失信息。zoo包规那么和不规那么间隔时间序列的架构〔后者通过类“zoo”〕，其中时间信息可以是随意类。这包括日间序列〔典型地，以“Date”时间索引〕或日内序列〔例如，以“POSIXct”时间索引〕。
细心整理
建立在“POSIXt”时间-日期类上的its、tseries和timeSeries〔前fSeries〕包也供应不规那么间隔时间序列的架构，特别用于金融分析。
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包还供应StructTS()函数拟合构造时间序列。
可以用nlme包中的gls()函数经由OLS拟合含AR误差项的线性回来模型。
时间序列的滤波和分解可以用stats 包的decompose() 和HoltWinters() 函数。
这些方法的扩展，尤其是预料和模型选择，在forecast 包里。
mFilter 里有各种各样的时序滤波方法。
估计向量自回来〔VAR〕模型，有假设干方法可用：简洁模型可用stats 包里ar()拟合，vars 包供应更精致的模型，dse 中的estVARXls()和贝叶斯方法在MSBVAR 中。dynlm包有一个经由OLS拟合动态回来模型的便利接口，dyn实现了一个用于其它回来函数的不同方法。
可以用dse拟合更高级的动态方程组。
tsDyn 供应各种非线性自回来时序模型。
高斯线性状态空间模型可用dlm 拟合〔通过最大似然、卡尔曼滤波/平滑和贝叶斯方法〕。
包urca、tseries和CADFtest供应了单位根和协整技术。
时间序列因子分析在tsfa 包里。
包sde供应随机微分方程的模拟和推断。
非对称价格传导建模在apt包中。
杂项
矩阵操作〔Matrix manipulations〕。作为一个向量和矩阵语言，R有许多根本函数处理矩阵，与Matrix和SparseM包互补。
放回再抽样〔Bootstrap〕。除了引荐的boot包，bootstrap或simpleboot包里有一些其它的常规bootstrapping技术；还有些函数特地为时间序列数据而设计，如：meboot包里的最大熵bootstrap，tseries包里的tsbootstrap()