Instalando o pacote BMR nas versões 3.5.2 e posteriores do R

Em alguns cursos da Análise Macro, eu utilizo a função gtsplot do pacote BMR para construir gráficos múltiplos. Esse tipo de gráfico, a propósito, pode ser facilmente obtido com o código-base do R ou com a função grid.arrange do pacote gridExtra conjuntamente com as funções do ggplot2. Já para instalar o BMR nas versões mais novas do R, é preciso seguir o seguinte script:


install.packages('RcppArmadillo')
install.packages('ggplot2')
install.packages('devtools')

Sys.setenv(R_REMOTES_NO_ERRORS_FROM_WARNINGS="true")
library(devtools)

install_github("kthohr/BMR")

Certifique-se ademais que você tenha o Rtools instalado na sua máquina. Caso receba algum erro de tools, adicione a linha abaixo no seu código:


options(buildtools.check = function(action) TRUE )

Creio que isso resolva a maior parte dos problemas de instalação desse pacote. Caso não resolva o seu, entre em contato pelo nosso suporte no botão azul no lado inferior direito da plataforma, ok?

________________________

Maiores detalhes sobre o erro, ver aqui.

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Modelo de previsão para grupos do IPCA

Text mining dos comunicados do FOMC: prevendo mudanças na política

Analisando a inflação por faixa de renda no Python

Criando o Fator de Momentum para o Brasil [Python]

O IBC-Br é um bom preditor do PIB?

Usando LLMs para prever a inflação (IPCA)

Outros artigos relacionados

Modelo de previsão para grupos do IPCA

Neste artigo investigamos se a previsão desagregada da inflação é capaz de gerar previsões mais acuradas do que a previsão agregada. Utilizamos o Índice Nacional de Preços ao Consumidor Amplo (IPCA) como medida de interesse, aplicando um modelo simples e um modelo de passeio aleatório para comparação. Todo o processo pode ser feito de maneira automatizada utilizando a linguagem de programação R.

Text mining dos comunicados do FOMC: prevendo mudanças na política

Como quantificar sentimentos e emoções a partir de comunicados de política monetária? Neste exercício utilizamos os statements do FOMC para construir um índice de sentimentos, o que permite comparar a "narrativa" com a prática da política monetária, ou seja, mudanças da taxa de juros. Também avaliamos se tal índice é útil em prever mudanças de política através do teste de causalidade de Granger.

Analisando a inflação por faixa de renda no Python

Neste artigo mostramos como coletar dados de inflação segmentados por faixa de renda e como calcular a variação acumulada em 12 meses usando a linguagem de programação Python.