删除R中lm输出的系数

我想从R中普通最小二乘法

lm（）

模型的输出中删除所有

as.factor

元素。最后一行不起作用，但例如：

frame <- data.frame(y = rnorm(100), x= rnorm(100), block = sample(c("A", "B", "C", "D"), 100, replace = TRUE))
mod <- lm(y ~ x + as.factor(block), data = frame)
summary(mod)

summary(mod)$coefficients[3:5,] <- NULL

---

frame一个选项是在包中使用felm函数

如包装中所述：

该软件包适用于具有多组固定效应的线性模型，即具有2个或多个具有大量水平的因子。它执行与
lm
类似的功能，但它使用一种特殊的方法从正态方程中投影出多组固定效应，因此速度更快

set.seed（123）
框架直接编辑
mod
对象，而不是其摘要<代码>mod$系数谢谢，但是这并不能完全从对象中移除它们；如果运行该代码，然后运行
summary（mod）
，则系数仍以NAs的形式显示在输出中。无论如何，要完全删除它们吗？变量存在于mod对象的许多返回元素中（不仅仅是系数），因此很难删除。你为什么要这样做？你想输出的仅仅是系数/se等吗<代码>星探（coef（摘要（mod））[-（3:5），]）
。还有一个
ommit
参数，它可能会有帮助。
stargazer（mod，ommit=“block”）
ommit参数会使
stargazer
速度减慢太多，但另一部分工作正常。谢谢
set.seed(123)
frame <- data.frame(y = rnorm(100), x= rnorm(100), block = sample(c("A", "B", "C", "D"), 100, replace = TRUE))
id<-as.factor(frame$block)
mod <- lm(y ~ x + id, data = frame) #lm
summary(mod)
Call:
lm(formula = y ~ x + id, data = frame)

Residuals:
     Min       1Q   Median       3Q      Max 
-2.53394 -0.68372  0.04072  0.67805  2.00777 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)  
(Intercept)  0.18115    0.17201   1.053   0.2950  
x           -0.08310    0.09604  -0.865   0.3891  
idB          0.04834    0.24645   0.196   0.8449  
idC         -0.51265    0.25052  -2.046   0.0435 *
idD          0.04905    0.26073   0.188   0.8512  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.9002 on 95 degrees of freedom
Multiple R-squared:  0.06677,   Adjusted R-squared:  0.02747 
F-statistic: 1.699 on 4 and 95 DF,  p-value: 0.1566


library(lfe)
est <- felm(y ~ x| id)
summary(est)

Call:
   felm(formula = y ~ x | id, data = frame) 

Residuals:
     Min       1Q   Median       3Q      Max 
-2.53394 -0.68372  0.04072  0.67805  2.00777 

Coefficients:
  Estimate Std. Error t value Pr(>|t|)
x -0.08310    0.09604  -0.865    0.389

Residual standard error: 0.9002 on 95 degrees of freedom
Multiple R-squared(full model): 0.06677   Adjusted R-squared: 0.02747 
Multiple R-squared(proj model): 0.00782   Adjusted R-squared: -0.03396 
F-statistic(full model):1.699 on 4 and 95 DF, p-value: 0.1566 
F-statistic(proj model): 0.7487 on 1 and 95 DF, p-value: 0.3891