如何组织stargazer的模型列表？

我有一个很大的数据集，我想在其中划分成13个部分（按

子对象
）。在每一个变量中，我将运行4个不同的
plm
，只改变因变量

我还想使用
coeftest
和
vcovHC
来使用集群健壮的标准错误。以下是一些示例数据：

library(tidyverse)
library(lmtest)
library(sandwich)
library(broom)

df <- structure(list(Subsetor = c("Footwear", "Footwear", "Machinery", 
"Machinery"), mmc = c(31028, 22902, 33013, 35017), MassaSalarial_SM_Real = c(0, 
0, 0, 2758.78039259859), Ano = c(1990, 1990, 1991, 1991, 1992), Vinculos = c(0, 0, 0, 536), Estab = c(0, 
0, 1, 8), salario_real_capita_SM = c(NaN, NaN, NaN, 5.14697834440035
), tarifa_peso_VAB_1990 = c(0.193475, 0.5756, 0.258589287604088, 
0.258589287604088)), row.names = c(NA, -4L), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame"), groups = structure(list(Subsetor = c("Footwear", 
"Machinery"), .rows = list(1:2, 3:4)), row.names = c(NA, -2L), class = c("tbl_df", 
"tbl", "data.frame"), .drop = TRUE))

我重复了创建其他3个对象的过程：
Model\u Estab
、
Model\u massalarial
和
Model\u Salario

之后，我绑定了它们，并提取了我想要的信息，即系数和稳健标准误差：

Models_Subsetor <- list(
  Estabelecimentos = Model_Estab,
  Massa_Salarial = Model_MassaSalarial,
  Remuneracao = Model_Salario,
  Vinculos = Model_Vinculos
) %>%
  bind_rows(.id  = 'id') %>%
  select(Subsetor, inf, erros.padrao, id) %>%
  unnest(cols = c(inf)) %>%
  select(Subsetor, estimate, erros.padrao, id) %>%
  mutate(erros.padrao = map(erros.padrao, broom::tidy)) %>%
  mutate(se = erros.padrao %>% map_dbl(~ .x[['std.error']])) %>%
  select(id, Subsetor, estimate, se) %>%
  gather(estimate:se, key = 'key', value = 'value') %>%
  spread(id, value) 

Models\u子项%
绑定行（.id='id'）%>%
选择（子项，inf，erros.padrao，id）%>%
unnest（cols=c（inf））%>%
选择（子项，估计，错误率，id）%>%
突变（erros.padrao=map（erros.padrao，broom:：tidy））%>%
变异（se=erros.padrao%>%map_dbl（~.x['std.error']]））%>%
选择（id、子项、估计、se）%>%
聚集（估计值：se，key='key'，value='value'）%>%
排列（id、值）

现在我想将这些结果用于
stargazer
。只需撬动
Models\u子项
这并不理想，因为该表的格式不完全是回归表

因此，我的问题是，获取类似于此的stargazer表的最简单方法是什么，但这类似于回归表（根据p值使用星号，删除写入“se”的部分，将标准错误放在括号内，允许我添加带有其他自定义观察值的行，等等）.
你能举一个更简单的例子吗？这对我来说是不可复制的，因为您没有在df中定义
Ano
。当保存plm模型并将其直接放入stargazer时，您面临什么限制？@MarcoDoe抱歉，刚刚编辑了我的数据-我忘记了一个专栏。我的问题是，我实际上必须运行13 x 4=52个回归。（即数据库13个子集的4个因变量）。本着这种精神，我希望stargazer能给我一些类似于
模型的东西。然而，如果我只列出我所有的模型，stargazer会给我一个52 x 1的回归表，这远远不是理想的，直到对我不起作用为止。举个简单的例子会更有帮助。此外，我不知道您的理想输出会是什么样子。您可以在4个表中显示13个扇区的4种不同模型。在普通的stargazer中（它接受列表）。你想把所有的东西都放在一张DINA4的纸上吗？对我来说，最好把所有的东西都放在一张桌子上。将有13行（扇区）和4列（模型）。每个值代表相同的系数，因为所有模型都有相同的自变量
Models_Subsetor <- list(
  Estabelecimentos = Model_Estab,
  Massa_Salarial = Model_MassaSalarial,
  Remuneracao = Model_Salario,
  Vinculos = Model_Vinculos
) %>%
  bind_rows(.id  = 'id') %>%
  select(Subsetor, inf, erros.padrao, id) %>%
  unnest(cols = c(inf)) %>%
  select(Subsetor, estimate, erros.padrao, id) %>%
  mutate(erros.padrao = map(erros.padrao, broom::tidy)) %>%
  mutate(se = erros.padrao %>% map_dbl(~ .x[['std.error']])) %>%
  select(id, Subsetor, estimate, se) %>%
  gather(estimate:se, key = 'key', value = 'value') %>%
  spread(id, value)