maars：R语言中“模型即近似”框架下的整洁推断
统计方法学
2021-06-22 v1 统计计算
摘要
使用普通最小二乘法（OLS）的线性回归是每个统计学家工具包的关键部分。在R中，这通过lm()及其相关函数优雅地实现。然而，这套函数的统计推断输出基于模型设定良好的假设。该假设通常不现实，且至多近似满足。在统计学和计量经济学文献中，这一点早已被认识到，大量著作为更实际的假设下OLS的推断提供了方法。这可视为无模型推断。在本文中，我们介绍我们的包maars（“models as approximations”，模型即近似”），旨在通过一套完整的工作流将无模型推断的研究引入R。maars包与其他同样实现方差估计的包（如sandwich）在三个关键方面不同。首先，maars中的所有函数遵循一致的语法并以整洁格式返回输出，与典型的lm()工作流偏差最小。其次，maars包含若干推断工具，包括经验法、乘子法、残差自助法和子抽样法，便于比较。第三，maars开发时考虑了教学性。为此，其大多数函数显式返回输出有效所依据的假设。这一关键创新使maars在误设定下的推断教学中很有用，也是应用研究人员的强大工具。我们希望我们显式呈现假设的默认特性能成为R中大多数统计建模的事实标准。
引用
@article{arxiv.2106.11188,
title = {maars: Tidy Inference under the 'Models as Approximations' Framework in R},
author = {Riccardo Fogliato and Shamindra Shrotriya and Arun Kumar Kuchibhotla},
journal= {arXiv preprint arXiv:2106.11188},
year = {2021}
}
备注
The first two authors contributed equally to this work and are ordered alphabetically