Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
A Brief Review of Each Chapter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
1 Econometric Computing with “R” . . . . . . . . . . . . . . . . . . . . . . . 1
B. D. McCullough
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 The Economics Profession Needs Econometric Computing . . 3
1.2.1 Most Users Do Not Know Econometric Computing . 3
1.2.2 Some Developers Do Not Know Econometric
Computing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.3 Some Textbook Authors Do Not Know
Econometric Computing . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Econometric Computing Is Important . . . . . . . . . . . . . . . . . . . . 6
1.4 “R” Is the Best Language for Teaching Econometric
Computing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 The Longley Data and Econometric Computing . . . . . . . . . . . 10
1.6 Beaton, Rubin and Barone Revisit Longley . . . . . . . . . . . . . . . 12
1.7 An Example: Donohue/Levitt’s Abortion Paper . . . . . . . . . . . 14
1.8 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Additive Models for Quantile Regression: An Analysis of
Risk Factors for Malnutrition in India . . . . . . . . . . . . . . . . . . . . 23
Roger Koenker
2.1 Additive Models for Quantile Regression . . . . . . . . . . . . . . . . . 24
2.2 A Model of Childhood Malnutrition in India . . . . . . . . . . . . . . 25
2.2.1 l-Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 Confidence Bands and Post-Selection Inference . . . . 28
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
xv
xvi Contents
3 Toward Better R Defaults for Graphics: Example of
Voter Turnouts in U.S. Elections . . . . . . . . . . . . . . . . . . . . . . . . . 35
Andrew Gelman
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Superior Estimation and Inference Avoiding
Heteroscedasticity and Flawed Pivots: R-example
of Inflation Unemployment Trade-Off . . . . . . . . . . . . . . . . . . . . . 39
H. D. Vinod
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2 Heteroscedasticity Efficient (HE) Estimation . . . . . . . . . . . . . . 42
4.3 A Limited Monte Carlo Simulation
of Efficiency of HE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.4 An Example of Heteroscedasticity Correction . . . . . . . . . . . . . 51
4.5 Superior Inference of Deep Parameters
Beyond Efficient Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.6 Summary and Final Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5 Bubble Plots as a Model-Free Graphical Tool for
Continuous Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Keith A. Markus and Wen Gu
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.2 General Principles Bearing on Three-Way Graphs . . . . . . . . . 66
5.3 Graphical Options Ruled Out a Priori . . . . . . . . . . . . . . . . . . . 68
5.4 Plausible Graphical Alternatives . . . . . . . . . . . . . . . . . . . . . . . . 71
5.5 The bp3way() Function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.5.1 Use and Options of bp3way() Function. . . . . . . . . . . . 75
5.5.2 Six Key Parameters for Controlling the Graph . . . . . 75
5.5.3 Additional Parameters Controlling the Data Plotted 76
5.5.4 Parameters Controlling the Plotted Bubbles . . . . . . . 76
5.5.5 Parameters Controlling the Grid . . . . . . . . . . . . . . . . . 77
5.5.6 The tacit Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.5.7 The bp.data() Function . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.6 An Empirical Study of Three Graphical Methods . . . . . . . . . . 78
5.6.1 Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.6.2 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.7 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Appendixes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6 Combinatorial Fusion for Improving Portfolio
Performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
H. D. Vinod, D. F. Hsu and Y. Tian
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Contents xvii
6.2 Combinatorial Fusion Analysis
for Portfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.3 An Illustrative Example as an Experiment . . . . . . . . . . . . . . . . 100
6.3.1 Description of the Data Set . . . . . . . . . . . . . . . . . . . . . 100
6.3.2 Description of the Steps in Our R Algorithm . . . . . . 102
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
7 Reference Growth Charts for Saudi Arabian Children
and Adolescents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
P. J. Foster and T. Kecojevi´c
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.2 Outliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.3 LMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.4 Smoothing and Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.5 Averaging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
7.6 Comparisons Using ANCOVA . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.6.1 Comparing Geographical Regions . . . . . . . . . . . . . . . . 122
7.6.2 Comparing Males and Females . . . . . . . . . . . . . . . . . . . 125
7.7 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8 Causal Mediation Analysis Using R. . . . . . . . . . . . . . . . . . . . . . . 129
K. Imai, L. Keele, D. Tingley, and T. Yamamoto
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.1.1 Installation and Updating . . . . . . . . . . . . . . . . . . . . . . . 130
8.2 The Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
8.2.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
8.2.2 Estimation of the Causal Mediation Effects . . . . . . . . 132
8.2.3 Sensitivity Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.2.4 Current Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.3 Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
8.3.1 Estimation of Causal Mediation Effects . . . . . . . . . . . 138
8.3.2 Sensitivity Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
8.4 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.5 Notes and Acknowledgment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9 Statistical Validation of Functional Form in Multiple
Regression Using R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Harry Haupt, Joachim Schnurbus, and Rolf Tschernig
9.1 Model Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
9.2 Nonparametric Methods for Model Validation . . . . . . . . . . . . . 157
9.3 Model Visualization and Validation Using relax . . . . . . . . . . 159
9.4 Beauty and the Labor Market Revisited . . . . . . . . . . . . . . . . . . 161
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
xviii Contents
10 Fitting Multinomial Models in R: A Program Based on
Bock’s Multinomial Response Relation Model . . . . . . . . . . . . 167
David Rindskopf
10.1 Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
10.2 Program Code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
10.3 How to Use the mqual Function . . . . . . . . . . . . . . . . . . . . . . . . . 169
10.4 Example 1: Test of Independence . . . . . . . . . . . . . . . . . . . . . . . . 170
10.4.1 Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
10.4.2 Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
10.5 Example 2: Effect of Aspirin on Myocardial Infarction (MI) . 171
10.5.1 Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
10.5.2 Output from Saturated Model . . . . . . . . . . . . . . . . . . . 171
10.6 Example 3: Race × Gender × Party Affiliation . . . . . . . . . . . . 172
10.6.1 Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
10.6.2 Output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
10.7 Nonstandard Loglinear Models . . . . . . . . . . . . . . . . . . . . . . . . . . 174
10.8 Technical Details of Estimation Procedure . . . . . . . . . . . . . . . . 174
10.9 Troubleshooting and Usage Suggestions . . . . . . . . . . . . . . . . . . 176
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
11 A Bayesian Analysis of Leukemia Incidence Surrounding
an Inactive Hazardous Waste Site . . . . . . . . . . . . . . . . . . . . . . . . 179
Ronald C. Neath
11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
11.2 Data Summaries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
11.3 The Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
11.4 Prior Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
11.5 Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
11.5.1 Estimated Posteriors . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
11.5.2 The Location-Risk Function . . . . . . . . . . . . . . . . . . . . . 187
11.5.3 A Simplified Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
11.6 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
12 Stochastic Volatility Model with Jumps in Returns and
Volatility: An R-Package Implementation . . . . . . . . . . . . . . . . . 191
Adjoa Numatsi and Erick W. Rengifo
12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
12.2 The Stochastic Volatility Model with Jumps in Returns
and Volatility . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
12.3 Empirical Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
12.3.1 The Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
12.3.2 The Estimation Method . . . . . . . . . . . . . . . . . . . . . . . . 194
12.3.3 The R Program . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
12.3.4 The Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
12.4 Conclusion and Future Venues of Research . . . . . . . . . . . . . . . 200
Contents xix
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
下载：
Advances in Social Science Research Using R.rar
(4.09 MB, 下载次数: 7, 售价: 5 )
备注：
很多人都有收集一堆资料而不看的习惯。为了有效利用资源，养成下载一本看一本的习惯，特设置了积分下载，请见谅。
多参加论坛的活动、多帮助别人，会很容易凑够积分的！
祝大家使用愉快！
|
发表于 2013-2-15 13:20:38