R Stargazer 与 pglm 模型 - 在 plm 模型中转换二项式 pglm 模型

In lại 作者：行者123 更新时间：2023-12-03 23:06:17 42 4

library(plm)
library(pglm)
data("Unions", package = "pglm")
anb1 <- plm(wage ~ union + exper + rural, Unions, model = "random", method = "bfgs")
stargazer(anb1)

anb2 <- pglm(union ~ wage + exper + rural, Unions, family = "binomial",
            model = "random", method = "bfgs")
stargazer(anb2)

extract.pglm <- function (model, include.nobs = TRUE, include.loglik = TRUE, ...) {
   s <- summary(model, ...)
   coefficient.names <- rownames(s$estimate)
   coefficients <- s$estimate[, 1]
   standard.errors <- s$estimate[, 2]
   significance <- s$estimate[, 4]
   loglik.value <- s$loglik
   n <- nrow(model$model)
   gof <- numeric()
   gof.names <- character()
   gof.decimal <- logical()
   if (include.loglik == TRUE) {
      gof <- c(gof, loglik.value)
      gof.names <- c(gof.names, "Log-Likelihood")
      gof.decimal <- c(gof.decimal, TRUE)
   }
   if (include.nobs == TRUE) {
      gof <- c(gof, n)
      gof.names <- c(gof.names, "Num. obs.")
      gof.decimal <- c(gof.decimal, FALSE)
   }
   tr <- createTexreg(coef.names = coefficient.names, coef = coefficients, 
                 se = standard.errors, pvalues = significance, gof.names = gof.names, 
                 gof = gof, gof.decimal = gof.decimal)
   return(tr)
}

setMethod("extract", signature = className("maxLik", "maxLik"), 
      definition = extract.pglm)

42 4 0

• stargazer - lm() 中使用 stargazer() 的稳健标准误差

  我已经阅读了很多关于将简单的健壮选项从 STATA 复制到 R 以使用健壮的标准错误的痛苦。我复制了以下方法:StackExchange和 Economic Theory Blog .它们可以工作，但

• 在 stargazer() 中报告回归边际效应

  我想用 stargazer() 报告边际效应，而不是通常的估计效应 当边际效应被估计时，结果被转换成一个向量，如果它是一个 glm/lm 对象，我无法以一种实用的方式报告它，并且我可以使用相同类型的信

• R stargazer，lme4和lmerTest不兼容

  R新手在这里。我在使用lmerTest和stargazer时遇到问题。我在这里按照教程进行操作，以使stargazer与R中的lme4一起使用。 http://svmiller.com/blog/20

• r - Stargazer 省略测试统计

  使用时 stargazer有争论，omit.stat ，但是我需要从系数值下方删除测试统计数据，并且它不是 stargazer package documentation (PDF) (pp. 14–

• r - stargazer()LaTeX输出中的赔率比率而不是logits

  使用stargazer在逻辑回归对象上创建LaTeX表时，标准行为是输出每个模型的logit值。是否可以获取exp（logit）代替？也就是说，我可以代替赔率吗？ 在观星者文档中，以下内容提到“ Co

• r - Stargazer 中的集群稳健标准误差

  有人知道如何让stargazer显示lm模型的集群SE吗？ (以及相应的 F 检验？)如果可能的话，我想采用类似于使用 sandwich 计算异方差稳健 SE 的方法，并将它们弹出到 stargaze

• r - Stargazer 回归输出中具有交互作用的排序变量

  我有以下回归: fit1 <- lm(y ~ x1, data = data) fit2 <- lm(y ~ x1 + x2, data = data) fit3 <- lm(y ~ x3 * x1,

• R - stargazer 添加引用类别

  我想知道是否有人提出了使用stargazer显示cal分类变量的引用类别的解决方案？ library(stargazer) 让我们假设 gear 和 carb 是分类变量 mtcars$gear =

• r - Stargazer:型号名称而不是数字？

  是否可以更改 stargazer 的默认值，以便它显示一些自定义模型快捷方式而不是型号？ 我找到了 model.number 参数，但这是一个开/关参数。 理想情况下，我可以将 model.names

• R - stargazer 4 星截止值

  我想使用 4 star.cutoffs -- c(0.1, 0.05, 0.01, 0.001) -- 使用 stargazer。 library(stargazer) m1 = lm(disp ~

• R Stat Stargazer - 如何在汇总表中删除百分位数？

  我正在使用 stargazer 包生成数据集中变量的 Latex 汇总表。我不想在我的表中显示百分位数统计信息(第 25 位和第 75 位)，但是通过 iqr = FALSE 禁用该选项不起作用。 我

• r - 如何从 stargazer 的结果表中省略回归截距

  我运行了一个类型的回归 model #> ============================================== #> Dependen

• r - 如何将行添加到 Stargazer 表以指示使用固定效果

  我只是运行我的回归，包括固定效应，在本例中为 id_school。接下来，我从 stargazer 选项卡中省略了所有虚拟变量，这样我就可以节省一些空间。 问题是我想在我的选项卡中包含一行，以便报告我

• r - 在 Stargazer 的省略参数中包含两个变量的正确方法？

  我正在尝试使用包含 4 种不同 lm 模型的 R 包 Stargazer 构建回归表。我的数据包含 x、y 和两个分类变量。根据模型，我要么不包括，要么包括一个或两个分类变量。但是，我不希望分类变量的

• r - Stargazer:保存到文件，不在控制台中显示

  当我想保存我的回归结果时 stargazer(regressions[[reg]], out=myFile, out.header=FALSE stargazer还将结果显示/打印到控制台中。当我迭代

• r - 在 stargazer 表中显示自由度

  在使用 Sweave 和 R 构建文档时，我使用了 stargazer 库来制作表格。 当使用 stargazer 时，是否有一种机制可以显示与 glm 构建的模型的残差相关联的自由度？ 最少的代码:

• r - 使用 stargazer 添加一行注释

  我想运行一些回归并使用 stargazer 创建一个表。例如 linear.1 <- lm(rating ~ complaints + privileges + learning + raises +

• r - 如何使用 stargazer 以科学记数法显示系数

  我想在 中的表中比较不同模型(lm、glm、plm、pglm)的结果R 使用 stargazer 或类似工具。 但是我找不到用科学记数法显示系数的方法。这是一个问题，因为截距相当大(大约一百万)而其他

• r - 使用 Stargazer 包按分类变量获取单独的汇总统计数据

  我想用 stargazer为分组变量的每个类别生成汇总统计量。我可以在单独的表中完成，但我希望将其全部放在一个表中 - 如果这对这个包来说不是不合理的挑战。 例如 library(stargazer)

• error-handling - Stargazer LME4不兼容

  我正在使用来自lme4包和lmerTest的lmer。我的回归如下所示: r1 <- lmer(a ~ b + c + as.factor(d) + (1 | e), data = df) 我想使用s