R Econometrics MCP Server

R计量经济学 MCP 服务器

一个模型上下文协议 (MCP) 服务器，通过 R 提供计量经济学建模能力。该服务器使 AI 助手能够执行复杂的计量经济学分析，包括线性回归、面板数据模型、工具变量回归和诊断测试。

特性

• 线性回归: 运行线性模型，可选择稳健标准误差
• 面板数据分析: 固定效应、随机效应、混合、组间和一阶差分模型
• 工具变量: 估计工具变量回归模型
• 诊断测试: 异方差、自相关和函数形式测试
• 资源: 计量经济学技术的参考文档
• 提示: 常见计量经济学分析的预定义提示模板

安装

前提条件

• Python 3.8+
• R 4.0+
• R 包: plm, lmtest, sandwich, AER, jsonlite

使用 Docker (推荐)

1. 构建 Docker 镜像:

   docker build -t r-econometrics-mcp .
   

2. 运行容器:

   docker run -it r-econometrics-mcp
   

手动安装

1. 安装所需的 Python 包:

   pip install -r requirements.txt
   

2. 安装所需的 R 包:

   install.packages(c("plm", "lmtest", "sandwich", "AER", "jsonlite"))
   

3. 运行服务器:

   python r_econometrics_mcp.py
   

与 Claude Desktop 一起使用

1. 启动 Claude Desktop
2. 打开 MCP 服务器面板
3. 添加一个新服务器，配置如下：
   • 名称: R Econometrics
   • 传输方式: stdio
   • 命令: path/to/python r_econometrics_mcp.py
   • (或者如果使用 Docker): docker run -i r-econometrics-mcp

示例查询

以下是一些示例查询，您可以在服务器连接后与 Claude 一起使用：

线性回归

你能使用线性回归分析 mtcars 数据集中价格和 mpg 之间的关系吗？

面板数据分析

我拥有 30 个国家 20 年的面板数据，变量包括 gdp、投资和贸易。你能帮我确定固定效应模型还是随机效应模型更合适吗？

工具变量

我正在尝试估计教育对工资的因果效应，但我担心内生性问题。你能帮我设置一个工具变量回归吗？

诊断测试

运行我的回归模型后，我担心异方差问题。你能运行适当的诊断测试，并在需要时提出修正建议吗？

工具参考

linear_model

运行线性回归模型。

参数:

• formula (string): 回归公式 (例如, 'y ~ x1 + x2')
• data (object): 数据集，以字典/JSON 对象形式
• robust (boolean, optional): 是否使用稳健标准误差

panel_model

运行面板数据模型。

参数:

• formula (string): 回归公式 (例如, 'y ~ x1 + x2')
• data (object): 数据集，以字典/JSON 对象形式
• index (array): 面板索引变量 (例如, ['individual', 'time'])
• effect (string, optional): 效应类型: 'individual', 'time', 或 'twoways'
• model (string, optional): 模型类型: 'within', 'random', 'pooling', 'between', 或 'fd'

diagnostics

执行模型诊断。

参数:

• formula (string): 回归公式 (例如, 'y ~ x1 + x2')
• data (object): 数据集，以字典/JSON 对象形式
• tests (array): 要运行的测试 (例如, ['bp', 'reset', 'dw'])

iv_regression

估计工具变量回归。

参数:

• formula (string): 回归公式 (例如, 'y ~ x1 + x2 | z1 + z2')
• data (object): 数据集，以字典/JSON 对象形式

资源

• econometrics:formulas: 关于常见计量经济学模型公式的信息
• econometrics:diagnostics: 诊断测试的参考
• econometrics:panel_data: R 中面板数据分析指南

贡献

欢迎贡献！请随时提交 Pull Request。

许可证

MIT 许可证

致谢

• R 项目和 R Core Team
• plm、lmtest、sandwich 和 AER 包的开发者
• Anthropic 的模型上下文协议