R语言中systemfit函数及似不相关回归（SUR）

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

一、用途   systemfit()函数与包同名，可以用于估计方程组间的回归分析及检验，例如"OLS", "WLS", "似不相关回归（SUR）", "2SLS", "W2SLS", or "3SLS"。
    使用前请先下载安装"systemfit"包（函数名与包同名），之后加载"systemfit"包
二、使用(以似不相关（SUR）为例)
    1、首先存在两个不同的回归方程
demand <- q~p+d#方程1，q为被解释变量，p和d为解释变量，截距项被省略，β1为截距项，β2对应的为p
supply <- q~p+f+d#方程2 ，与方程1含有不同的解释变量，β6对应的为f
system <- list(demand,supply)#将两个方程放入一个列表中
fitsur<-systemfit(system, method = "SUR", data="xxx")#method为可选项，含义是接下里要进行的回归方法，默认项时OLS，可选择OLS,WLS,SUR,2SLS,W2SLS,3SLS.
summary(fitsur)#报告回归摘要，如果嫌弃太长，可以在语句中添加residCov=FALSE来省略对协方差系数的报告
    2、回归方程具有统一形式
INVESTit=VALUEit+CAPITALit#假设方程具有该形式，被解释变量为时间t的i公司投资，解释变量为对应时间t的i公司的价值及资本
首先安装并加载"plm"包，这是接下来必须使用的包。
以数据x为例，假设x中包含INVEST、VALUE、CAPITAL、YEAR、FIRM五个变量
g<-pdata.frame(x,c("FIRM","YEAR"))#这一步的目的是将x数据集中的变量进行封装
gsur<-systemfit(INVEST~VALUE+CAPITAL, method="SUR", data=g)#前面是回归方程，后面是选择回归的方法及数据。
summary(gsur)#假设x数据中包含的FIRM为5家公司（也就是i=5），那这里就会汇报5个单独的方程回归结果
如果要限定五个方程的系数必须相同，可在systemfit()函数中添加pooled=TRUE
    3、限制方程中系数
先加载"car"包以方便后面调用linearHypothesis函数
假定限制条件为β2+β6=0，有多种方式添加，这里只论述两种
一种是使用car包中linearHypothesis的restrict.matrix，例如：
restrict<-"β2对应的变量名称"+"β6对应的变量名称"="0"#假设如1中的方程，那么β2对应的变量名应该为p(不要忘记还有省略没写的截距项)
fitsur<-systemfit(system, method="SUR", restrict.matrix=restrict)
另一种是使用矩阵matrix和向量vector
Rmat<-matrix(0,nrow=1,ncol=7)#创建一个全部都是零值的1行7列矩阵
Rmat[1,2]<- 1#第1行第2列赋值为1
Rmat[1,6]<- 1#第1行第2列赋值为1
qvec<-c(0)#创建一个为0的向量
fitsur<-systemfit(system, method="SUR", restrict.matrix = Rmat, restrict.rhs= qvec)
    4、线性约束检验
这里只论述使用linearHypothesis进行的F检验及Wald检验
和前面对应，检验回归方程的β2是否等于-β6
linearHypothesis(fitsur, Rmat, qvec, test="FT")#具体参数含义见上文，test=""这里可选不同的检验，"FT"对应的是Theil的F检验，"F"对应的是Wald检验，"Chisq"对应的是卡方检验

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：System STEM SUR R语言 fit

更为具体的请查看systemfit包的help

逆风也要浪 发表于 2020-11-25 17:36
一、用途   systemfit()函数与包同名，可以用于估计方程组间的回归分析及检验，例如&quot;OLS&quot;, &quot;WLS&quot;, &quot;似不相关 ...

好的好的好的好的好的

学习了  谢谢