後日のメモ：huxtableのhuxregを使えばいいので、jtoolsは不要かもしれない。
install.packages("flextable")
install.packages("officer")
install.packages("huxtable")
require(“jtools”)
lm.res <- lm(mpg ~ wt + qsec, data = mtcars)
lm.summ <- summ(lm.res)
export_summs(lm.summ, to.file = "docx", file.name = "test.docx")
library(ggplot2)
library(dplyr)
library(broom)
library(openxlsx)
lm.res <- lm(mpg ~ wt + qsec, data = mtcars)
lm.res %>% summary() %>% tidy() -> lm.tidy
lm.res %>% summary() %>% glance() -> lm.glance
wb <- createWorkbook()
addWorksheet(wb, 'Sheet1')
addWorksheet(wb, 'Sheet2')
writeData(wb, sheet = 'Sheet1', x = lm.tidy, withFilter=F)
writeData(wb, sheet = 'Sheet2', x = lm.glance, withFilter=F)
saveWorkbook(wb, "lm.res.xlsx", overwrite = T)
参考文献
財政政策（政府支出）のデータ分析に関する自分用のメモ：
日本のGDP統計は正確には国民経済計算体系（System of National Accounts）といい、国際的な基準（国連が定めるSNA）に準拠している。それに対してアメリカのGDP統計はNIPA (National Income and Product Accounts)といい、SNAと似ているものの微妙に違うという（若干厄介な）存在である。
たとえば、93SNA（国連が1993年に定めたSNA）以後、日本にはGNPという名称は存在しない（その代わりにGNIを使う）が、NIPAには今でもGNPが存在する。その他にも細かな違いがあって、実はちょっと厄介である。
それ以外にもマクロ経済学で恒等式Y=C+I+G+NXを考えるときに「どのデータがGなのか？」と言われたらちょっと困る。どうやらG（政府支出, Government spending）は以下となるようだ。
日本：G=政府最終消費支出＋公的固定資本形成
アメリカ：G=Government consumption expenditures and gross investment
color <- c("R","B","B","R","R") weight <- c(51,55,72,57,64) dfrm <- data.frame(COL=color, WEI=weight)
dfrm %>% mutate(WEILag = lag(WEI))
メモ：lagを使うと、データは下に1段下がる（1行下がる）。
差分を計算するとき、diff()は使えず、G_delta = G - lag(G)。たとえば以下のようにする。
embedの使い方（自分用のメモ）
Rにはembedという関数があり、ベクトル・時系列を指定期間ずらす作業に使える。言葉で聞くとなんだかわからないと思うので、たとえば以下のような時系列データがあったとする。
使い方は以下のとおり
demoTs <- ts(seq(1:8), start=c(2019,1), freq=4) embed(demoTs, dimension=2)
出力結果は以下のとおり：
「こんな関数、何に使うんだよ？」と思うかもしれない。
たとえば自分で自己回帰モデル（ARやVAR）の関数を書くときに使える。まあ、ARやVARのパッケージはすでにいろいろと充実しているので、自分で書く必要があるかと言われたら、そんな機会はあまりないような気もするが、ときによっては便利な関数である。
以下の記事の続編：
成長率の計算 - ハリ・セルダンになりたくて（はてダから移行中）
少し改訂版を作ったので記録のために以下に（前期比・前年同期比も計算できるように）。
growthRate <- function(tsData, lagLen=1, percent=FALSE)
{
numSize <- length(tsData)
seque <- seq(1:(numSize-lagLen))
if(isTRUE(percent)){
tsGrowth <- (diff(tsData, lag=lagLen)/tsData[seque]) * 100
} else {
tsGrowth <- (diff(tsData, lag=lagLen)/tsData[seque])
}
return(tsGrowth)
}
そもそもlm()（とglm()）には「data.frameの列がfactorである場合、自動的にダミー変数を作って、回帰してくれる」という機能がある（manにきちんと書かれてないので知らない人が多いかも）。
が、lmやglmの「自動でダミー変数を作る機能」だと思うようなダミー変数にならない場合もあるので、パッケージでダミー変数を作ることを考える。
いくつかパッケージがあるが、それなりに使いやすいパッケージとしてfastDummiesがあるため、その中のdummy_cols()を使ってダミー変数を作る方法を以下に記す。
require(fastDummies)
require(tidyverse)
when <- data.frame(time = c("afternoon", "night", "afternoon", "morning", "morning", "morning", "morning", "afternoon", "afternoon"), day = c("Mon", "Mon", "Mon", "Wed", "Wed", "Fri", "Sat", "Sat", "Fri"))
when[3, "day"] <- NA
when %>% head()
dummy_cols(when)
# 自分用のメモ：現時のバージョンのfastDummiesではNAはNAのままで各列に入力される（以前は違ったようだが）。
参考（4つのパッケージの比較）
