包括stargazer表中的标准化系数

我有一系列线性模型，我想报告每个模型的标准化系数。然而，当我在stargazer中打印模型时，stargazer似乎会自动打印标准化系数的重要性星，就好像它们是非标准化系数一样。你可以在下面看到差异是如何显现的

根据非标准值打印重要性星号在统计上是否错误？在stargazer是如何做到这一点的？谢谢

#load libraries
library(stargazer)
library(lm.beta)
#fake data
var1<-rnorm(100, mean=10, sd=5)
var2<-rnorm(100, mean=5, sd=2)
var3<-rnorm(100, mean=2, sd=3)
var4<-rnorm(100, mean=5, sd=1)
df<-data.frame(var1, var2, var3, var4)
#model with unstandardized betas
model1<-lm(var1~var2+var3+var4, data=df)
#Standardized betas
model1.beta<-lm.beta(model1)
#print
stargazer(model1, model1.beta, type='text')

#加载库
图书馆（星探）
图书馆（lm.beta版）
#假数据
var1
Stargazer
不会自动知道它应该在第二个模型中查找标准化系数
lm.beta
只需将标准化系数添加到
lm.object
。因此，它仍然是一个
lm.object
，因此它会按照常规（从
model1.beta$系数
）提取系数。使用
coef=
参数指定要使用的特定系数：
coef=list（model1$系数，model1.beta$标准化系数）

>stargazer（model1，model1.beta，
coef=列表（模型1$系数，
模型1.β$标准化系数），
type='text'）
==========================================================
因变量：
----------------------------
var1
(1)            (2)     
----------------------------------------------------------
var2 0.135 0.048
(0.296)        (0.296)   
var3-0.088-0.044
(0.205)        (0.205)   
var4-0.190-0.030
(0.667)        (0.667)   
常数10.195**0.000
(4.082)        (4.082)   
----------------------------------------------------------
意见100 100
R2 0.006 0.006
调整后的R2-0.025-0.025
剩余标准误差（df=96）5.748 5.748
F统计量（df=3；96）0.205 0.205
==========================================================
注：*p
> stargazer(model1, model1.beta, 
            coef = list(model1$coefficients, 
            model1.beta$standardized.coefficients),
            type='text')

==========================================================
                                  Dependent variable:     
                              ----------------------------
                                          var1            
                                   (1)            (2)     
----------------------------------------------------------
var2                              0.135          0.048    
                                 (0.296)        (0.296)   

var3                              -0.088        -0.044    
                                 (0.205)        (0.205)   

var4                              -0.190        -0.030    
                                 (0.667)        (0.667)   

Constant                         10.195**        0.000    
                                 (4.082)        (4.082)   

----------------------------------------------------------
Observations                       100            100     
R2                                0.006          0.006    
Adjusted R2                       -0.025        -0.025    
Residual Std. Error (df = 96)     5.748          5.748    
F Statistic (df = 3; 96)          0.205          0.205    
==========================================================
Note:                          *p<0.1; **p<0.05; ***p<0.01