#File Name: FullWDITransparencyIndexConstruct.r #Author: James Hollyer #Date: 03/03/2013 #Purpose: To construct a measure of government transparency. To do this, we # rely on the reporting or missingness of data from the WDI index. #Data Input: IRTprep.dta #OS: Windows 7 setwd("c:/users/james/desktop/dropbox/transparency_and_democracy/transparencyindex/PAReplicationMaterials/Regressions") library(foreign) library(rjags) library(R2jags) #The following will load the data into R. WDIdata<-read.dta("IRTDataforABPRep.dta") ABPdata<-read.dta("ABPOneModelFinal2.dta") attach(WDIdata) #The following will prepare a data matrix for export to BUGS. wdinumber<-WDIdata$countrynum year<-WDIdata$year wdinumber2 <- ABPdata$wdinum2 year2 <- ABPdata$year2 newscirc <- ABPdata$newscirc polity2 <- ABPdata$polity2 rgdpch <- ABPdata$rgdpch laword <- ABPdata$laword corrup <- ABPdata$corrup burqual <- ABPdata$burqual lag_laword <- ABPdata$lag_laword lag_corrup <- ABPdata$lag_corrup lag_burqual <- ABPdata$lag_burqual data.b<-list("wdinumber", "year", "var_1", "var_2", "var_3", "var_4", "var_5", "var_6", "var_7", "var_8", "var_9", "var_10", "var_11", "var_12", "var_13", "var_14", "var_15", "var_16", "var_17", "var_18", "var_19", "var_20", "var_21", "var_22", "var_23", "var_24", "var_25", "var_26", "var_27", "var_28", "var_29", "var_30", "var_31", "var_32", "var_33", "var_34", "var_35", "var_36", "var_37", "var_38", "var_39", "var_40", "var_41", "var_42", "var_43", "var_44", "var_45", "var_46", "var_47", "var_48", "var_49", "var_50", "var_51", "var_52", "var_53", "var_54", "var_55", "var_56", "var_57", "var_58", "var_59", "var_60", "var_61", "var_62", "var_63", "var_64", "var_65", "var_66", "var_67", "var_68", "var_69", "var_70", "var_71", "var_72", "var_73", "var_74", "var_75", "var_76", "var_77", "var_78", "var_79", "var_80", "var_81", "var_82", "var_83", "var_84", "var_85", "var_86", "var_87", "var_88", "var_89", "var_90", "var_91", "var_92", "var_93", "var_94", "var_95", "var_96", "var_97", "var_98", "var_99", "var_100", "var_101", "var_102", "var_103", "var_104", "var_105", "var_106", "var_107", "var_108", "var_109", "var_110", "var_111", "var_112", "var_113", "var_114", "var_115", "var_116", "var_117", "var_118", "var_119", "var_120", "var_121", "var_122", "var_123", "var_124", "var_125", "var_126", "var_127", "var_128", "var_129", "var_130", "var_131", "var_132", "var_133", "var_134", "var_135", "var_136", "var_137", "var_138", "var_139", "var_140", "var_141", "var_142", "var_143", "var_144", "var_145", "var_146", "var_147", "var_148", "var_149", "var_150", "var_151", "var_152", "var_153", "var_154", "var_155", "var_156", "var_157", "var_158", "var_159", "var_160", "var_161", "var_162", "var_163", "var_164", "var_165", "var_166", "var_167", "var_168", "var_169", "var_170", "var_171", "var_172", "var_173", "var_174", "var_175", "var_176", "var_177", "var_178", "var_179", "var_180", "var_181", "var_182", "var_183", "var_184", "var_185", "var_186", "var_187", "var_188", "var_189", "var_190", "var_191", "var_192", "var_193", "var_194", "var_195", "var_196", "var_197", "var_198", "var_199", "var_200", "var_201", "var_202", "var_203", "var_204", "var_205", "var_206", "var_207", "var_208", "var_209", "var_210", "var_211", "var_212", "var_213", "var_214", "var_215", "var_216", "var_217", "var_218", "var_219", "var_220", "var_221", "var_222", "var_223", "var_224", "var_225", "var_226", "var_227", "var_228", "var_229", "var_230", "var_231", "var_232", "var_233", "var_234", "var_235", "var_236", "var_237", "var_238", "var_239", "var_240", "wdinumber2", "year2", "newscirc", "polity2", "rgdpch", "laword", "corrup", "burqual", "lag_laword", "lag_corrup", "lag_burqual") #List the parameters to be estimated parameters<-c("transparency", "tau", "beta1", "beta2", "beta3", "beta4", "beta5", "beta6", "beta7", "beta8", "beta9", "beta10", "beta11", "beta12", "beta13", "beta14", "beta15", "beta16", "beta17", "beta18", "beta19", "beta20", "beta21", "beta22", "beta23", "beta24", "beta25", "beta26", "beta27", "beta28", "beta29", "beta30", "beta31", "beta32", "beta33", "beta34", "beta35", "beta36", "beta37", "beta38", "beta39", "beta40", "beta41", "beta42", "beta43", "beta44", "beta45", "beta46", "beta47", "beta48", "beta49", "beta50", "beta51", "beta52", "beta53", "beta54", "beta55", "beta56", "beta57", "beta58", "beta59", "beta60", "beta61", "beta62", "beta63", "beta64", "beta65", "beta66", "beta67", "beta68", "beta69", "beta70", "beta71", "beta72", "beta73", "beta74", "beta75", "beta76", "beta77", "beta78", "beta79", "beta80", "beta81", "beta82", "beta83", "beta84", "beta85", "beta86", "beta87", "beta88", "beta89", "beta90", "beta91", "beta92", "beta93", "beta94", "beta95", "beta96", "beta97", "beta98", "beta99", "beta100", "beta101", "beta102", "beta103", "beta104", "beta105", "beta106", "beta107", "beta108", "beta109", "beta110", "beta111", "beta112", "beta113", "beta114", "beta115", "beta116", "beta117", "beta118", "beta119", "beta120", "beta121", "beta122", "beta123", "beta124", "beta125", "beta126", "beta127", "beta128", "beta129", "beta130", "beta131", "beta132", "beta133", "beta134", "beta135", "beta136", "beta137", "beta138", "beta139", "beta140", "beta141", "beta142", "beta143", "beta144", "beta145", "beta146", "beta147", "beta148", "beta149", "beta150", "beta151", "beta152", "beta153", "beta154", "beta155", "beta156", "beta157", "beta158", "beta159", "beta160", "beta161", "beta162", "beta163", "beta164", "beta165", "beta166", "beta167", "beta168", "beta169", "beta170", "beta171", "beta172", "beta173", "beta174", "beta175", "beta176", "beta177", "beta178", "beta179", "beta180", "beta181", "beta182", "beta183", "beta184", "beta185", "beta186", "beta187", "beta188", "beta189", "beta190", "beta191", "beta192", "beta193", "beta194", "beta195", "beta196", "beta197", "beta198", "beta199", "beta200", "beta201", "beta202", "beta203", "beta204", "beta205", "beta206", "beta207", "beta208", "beta209", "beta210", "beta211", "beta212", "beta213", "beta214", "beta215", "beta216", "beta217", "beta218", "beta219", "beta220", "beta221", "beta222", "beta223", "beta224", "beta225", "beta226", "beta227", "beta228", "beta229", "beta230", "beta231", "beta232", "beta233", "beta234", "beta235", "beta236", "beta237", "beta238", "beta239", "beta240", "gamma.corrup", "gamma.laword", "gamma.burqual", "sigma.corrup", "sigma.laword", "sigma.burqual") #send to bugs results <- jags(data=data.b, inits=NULL, parameters, model.file="ABPReplicationver1.txt", n.chains=2, n.iter=5000, n.burnin=3000) print(results) save.image("TransparencyABPrep.RData")