例子数据:MEdata.csv
例子代码:EmRa代码.R
时序数据:EmRa_SI.csv
自定义函数:EmRa.R
* 请在R中直接调用source("EmRa.R") *
1.1 计量经济学概述/1
1.2 计量经济学内容与建模技术/4
1.3 计量经济学数据的处理 8
1.4 R在计量经济中的应用 14
练习题1/25
2.1 线性回归分析模型/26
2.2 线性相关分析模型/47
2.3 含虚拟变量回归模型/54
2.4 非线性回归分析模型/59
练习题2/78
3.1 回归分析模型的诊断/81
3.2 误差的异方差检验与建模 92
3.3 误差的相关性及其检验 100
练习题3/106
4.1 时间序列的基本概念 110
4.2 时间序列自回归AR模型 114
4.3 时间序列移动平均MA模型/126
4.4 自回归移动平均ARMA模型/131
4.5 分布滞后与自回归模型 140
练习题4/151
5.1 非平稳时间序列模型 153
5.2 协整与误差修正模型 166
* 5.3 异方差时间序列模型 182
5.4 时间序列模型的诊断与评价/199
练习题5/202
rm(list=ls())
options(digits=4)
par(mar=c(4,4,1.5,1)+0.1,cex=0.8)
x=rnorm(20); plot(x,type='b')
source("EmRa.R") #EmRa自定义函数
X=c(42.55,51.27,60.38,69.10,82.34,92.63,106.83,125.82,153.01,176.36,200.17,241.66,287.79,348.04,456.22,542.24,595.22,732.11,897.38,1006.14,1105.31)
X # R语言是用变量名来显示数据的
plot(X)
Y=ts(X,start=1993);Y
plot(Y);grid()
T=1991:2010;T
summary(lm(Y~T))
summary(lm(log(Y)~T))
MEdata=read.csv("MEdata.csv"); MEdata
names(MEdata) #显示变量名
nrow(MEdata) #数据集行数
ncol(MEdata) #数据集列数
summary(MEdata)
plot(MEdata,gap=0)
#matplot(MEdata[,1],MEdata[,-1],type='l')
#tsME=ts(MEdata[,-1],start=1978);tsME
#ts(MEdata,start=1978);grid()
ts.plot(MEdata)
ts.plot(log(MEdata))
tsME=ts(MEdata,start=1978)
ts.plot(tsME) # plot(tsME,plot.type='single')
plot.ts(tsME) # plot(tsME,plot.type='multiple')
#legend(1980,3000,legend=names(MEdata))
TAX #未解析前
attach(MEdata) #变量解析,MEdata中的变量名可单独使用
TAX #解析后
detach(MEdata)
head(UG)
tail(UG)
dim(UG)
names(UG)
sum