Project-Subsidies/Regression Analysis.r at main · KelThuzedd/Project-Subsidies · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
library(readr)
library(dplyr)
library(tidyr)
library(ggplot2)
library(GGally)
library(sandwich)
library(lmtest)
library(car)
library(broom)
library(xtable)
library(ggpubr)
library(stargazer)
library(modelsummary)
install.packages("nlme")
library(nlme)
sub_fertility <- drop_na(sub_fertility)

# Регрессионный анализ =========================================================

## Спецификации ----------------------------------------------------------------

spec0 <- fertility_rate ~ 1 + subsidies + cons_budj + base + av_inc + share_of_prosp_hh + f15_19 + f18_19 + f20_24 + f25_29 + f30_34 + f35_39 + f40_44 + f45_49
spec1 <- fertility_rate ~ 1 + subsidies + cons_budj + base + av_inc + share_of_prosp_hh + f15_19 + f18_19 + f20_24 + f25_29 + f30_34 + f35_39 + f40_44 + f45_49 + I(subsidies*av_inc) + I(cons_budj*av_inc) + I(base*av_inc)
spec2 <- fertility_rate ~ 1 + subsidies + cons_budj + base + av_inc + share_of_prosp_hh + f20_24 + f35_39 + I(subsidies*av_inc) + I(cons_budj*av_inc) + I(base*av_inc)

reg0 <- lm(spec0, data = sub_fertility)
cov0 <- vcovHC(reg0, type = "HC0")
se0 <- sqrt(diag(cov0))

reg1 <- lm(spec1, data = sub_fertility)
cov1 <- vcovHC(reg1, type = "HC0")
se1 <- sqrt(diag(cov1))

reg2 <- lm(spec2, data = sub_fertility)
cov2 <- vcovHC(reg2, type = "HC0")
se2 <- sqrt(diag(cov2))

modelsummary(models = list("Модель №1" = reg0, "Модель №2" = reg1),                       # список оцененных моделей
             vcov = list(cov0, cov1),                         # список ковариционных матриц для расчета стандартных ошибок
             #output = '2models.docx',
             coef_map = c("(Intercept)" = "Константа",
                          "subsidies" = "Субсидии на жильё",
                          "cons_budj" = "Меры социальной поддержки",
                          "base" = "Базовое пособие",
                          "av_inc" = "Среднедушевой доход",
                          "share_of_prosp_hh" = "Удовлетворённость финансовым положением",
                          "f15_19" = "Возраст матерей (15-19)",
                          "f18_19" = "Возраст матерей (18-19)",
                          "f20_24" = "Возраст матерей (20-24)",
                          "f25_29" = "Возраст матерей (25-29)",
                          "f30_34" = "Возраст матерей (30-34)",
                          "f35_39" = "Возраст матерей (35-39)",
                          "f40_44" = "Возраст матерей (40-44)",
                          "f45_49" = "Возраст матерей (45-49)",
                          "I(subsidies * av_inc)" = "Субсидии на жильё X Среднедушевой доход",
                          "I(cons_budj * av_inc)" = "Меры социальной поддержки X Среднедушевой доход",
                          "I(base * av_inc)" = "Базовое пособие X Среднедушевой доход"),
             statistic = "std.error",                                     # выводить стандартные ошибки
             stars = TRUE,                                                # звездочки для уровня значимости
             gof_omit = ".*",                                             # не выводить никаких показателей качества моделей
             notes = list("В скобках даны робастные стандартные ошибки",
                          "Все регрессии содержат контрольные переменные"), # комментарий по поводу расчета стандартных ошибок
             title = "Результаты оценивания")

modelsummary(models = list("Модель №1" = reg0, "Модель №2" = reg1),                       # список оцененных моделей
             vcov = list(cov0, cov1),                         # список ковариционных матриц для расчета стандартных ошибок
             #output = '2models_short.docx',
             #coef_omit = "av_inc|share_of_prosp_hh|f15_19|f18_19|f20_24|f25_29|f30_34|f35_39|f40_44|f45_49",
             coef_map = c("(Intercept)" = "Константа",
                          "subsidies" = "Субсидии на жильё",
                          "cons_budj" = "Меры социальной поддержки",
                          "base" = "Базовое пособие",
                          "I(subsidies * av_inc)" = "Субсидии на жильё X Среднедушевой доход",
                          "I(cons_budj * av_inc)" = "Меры социальной поддержки X Среднедушевой доход",
                          "I(base * av_inc)" = "Базовое пособие X Среднедушевой доход"),
             statistic = "std.error",                                     # выводить стандартные ошибки
             stars = TRUE,                                                # звездочки для уровня значимости
             gof_omit = ".*",                                             # не выводить никаких показателей качества моделей
             notes = list("В скобках даны робастные стандартные ошибки",
                          "Все регрессии содержат контрольные переменные"), # комментарий по поводу расчета стандартных ошибок
             title = "Результаты оценивания")

# Tests ========================================================================
# Для первой модели
linearHypothesis(reg0,
                 c("subsidies = 0"),
                 test = "Chisq",
                 white.adjust = "hc0") #гипотеза не отвергается


linearHypothesis(reg0,
                 c("av_inc = 0"),
                 test = "Chisq",
                 white.adjust = "hc0") #гипотеза отвергается 10%

linearHypothesis(reg0,
                 c("share_of_prosp_hh = 0"),
                 test = "Chisq",
                 white.adjust = "hc0") #Гипотеза не отвергается

linearHypothesis(reg0,
                 c("cons_budj = 0"),
                 test = "Chisq",
                 white.adjust = "hc0") # гипотеза не отвергается

linearHypothesis(reg0,
                 c("base = 0"),
                 test = "Chisq",
                 white.adjust = "hc0") # гипотеза отвергается 10%


# Для второй модели
linearHypothesis(reg1,
                 c("subsidies = 0"),
                 test = "Chisq") # Гипотеза отвергается 0,1%

linearHypothesis(reg1,
                 c("av_inc = 0"),
                 test = "Chisq") # Гипотеза отвергается 0,1%

linearHypothesis(reg1,
                 c("share_of_prosp_hh = 0"),
                 test = "Chisq") # Гипотеза не отвергается

linearHypothesis(reg1,
                 c("cons_budj = 0"),
                 test = "Chisq") # Гипотеза не отвергается

linearHypothesis(reg1,
                 c("base = 0"),
                 test = "Chisq") # Гипотеза не отвергается


# Для третьей модели
linearHypothesis(reg2,
                 c("subsidies = 0"),
                 test = "Chisq") # Гипотеза отвергается 10%

linearHypothesis(reg2,
                 c("av_inc = 0"),
                 test = "Chisq") # Гипотеза отвергается 0,1%

linearHypothesis(reg2,
                 c("share_of_prosp_hh = 0"),
                 test = "Chisq") # Гипотеза не отвергается

linearHypothesis(reg2,
                 c("cons_budj = 0"),
                 test = "Chisq") # Гипотеза не отвергается

linearHypothesis(reg2,
                 c("base = 0"),
                 test = "Chisq") # Гипотеза не отвергается


linearHypothesis(reg0,
                 c("subsidies - base = 0"),
                 test = "Chisq",
                 white.adjust = "hc0") #гипотеза отвергается на 10% уровне

linearHypothesis(reg0,
                 c("subsidies - base = 0"),
                 test = "Chisq") #гипотеза отвергается на 10% уровне

#linearHypothesis(reg1,
                # c("base:av_inc"),
                # test = "Chisq") #гипотеза отвергается на 10% уровне