Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/69.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
R 如何计算弹性_R - Fatal编程技术网

R 如何计算弹性

R 如何计算弹性,r,R,如何计算R中的弹性系数?例如,数据集nlsw88中的“计算样本中所有女性的工资任期弹性” h <- read.dta("nlsw88.dta") h1 <- mutate(h, age = log(h$age), wage = log(h$wage)) model2 <- lm(data = h1, wage ~ age + race + married + never_married + grade + collgrad + industry + u

如何计算R中的弹性系数?例如,数据集nlsw88中的“计算样本中所有女性的工资任期弹性”

h <- read.dta("nlsw88.dta")
h1 <- mutate(h, age = log(h$age), wage = log(h$wage))
model2 <- lm(data = h1,
             wage ~ age + race + married + never_married + grade + collgrad + industry + union + occupation + hours + ttl_exp + tenure + c_city)

h如果不包含任何可复制的示例,则很难给出准确的答案,但下面是一个如何计算需求弹性的示例:

 # Create a data
 df = data.frame(sales = c(18,20,22,23), Price=c(4.77,4.67,4.75,4.74))

 # Run regression 
 formula = lm(sales~., data=df)

 # Get the summary of the regression 
 summary(formula)

 #Call:
 #lm(formula = sales ~ ., data = df)

 #Residuals:
 #      1       2       3       4 
 #-2.6344 -0.9427  1.3040  2.2731 

 #Coefficients:
 #            Estimate Std. Error t value Pr(>|t|)
 #(Intercept)   35.344    170.297   0.208    0.855
 #Price         -3.084     35.983  -0.086    0.940
为了计算需求弹性,我们使用以下公式: PE=(ΔQ/ΔP)*(P/Q)

(ΔQ/Δp)由回归公式中的系数-3.084确定

为了确定(p/Q),我们将使用平均价格(4.73)和平均销售额(20.75)

这意味着[在你的情况下,一种给定产品的工资]价格增加1个单位,将使销售额减少0.70个单位


希望有帮助

如中所述,您需要包括一个。此外,这也有助于说明您已经尝试了什么以及为什么它不起作用(可能包括错误消息)。我知道如何计算因子的边际效应,它是公式弹性的一部分,但我不知道如何找到弹性谢谢,但我们在没有数字因子的情况下所做的,可以是一个“1”或“0”这是一个好问题,我不确定我是否是正确的答案。当系数从1变为0时,需要计算弹性,反之亦然。我确信可以使用因子β进行计算,但是我不确定你会如何解释它。如果它是“1”,它是弹性的一个值,如果它是“0”-另一个值,但是如果我们有许多不同的观察,它如何使用公式,可能是逻辑运算符?你需要一个log~log模型来估计弹性。
 # Create a data
 df = data.frame(sales = c(18,20,22,23), Price=c(4.77,4.67,4.75,4.74))

 # Run regression 
 formula = lm(sales~., data=df)

 # Get the summary of the regression 
 summary(formula)

 #Call:
 #lm(formula = sales ~ ., data = df)

 #Residuals:
 #      1       2       3       4 
 #-2.6344 -0.9427  1.3040  2.2731 

 #Coefficients:
 #            Estimate Std. Error t value Pr(>|t|)
 #(Intercept)   35.344    170.297   0.208    0.855
 #Price         -3.084     35.983  -0.086    0.940
  The PE = -3.084 * 4.73/20.75 = -0.70

  formula$coefficients["Price"]*mean(df[,2])/mean(df[,1])
  # -0.7033066