Sapply with LM返回Stargazer可以调用的调用函数';我不使用。我该如何改变这一点?
我试着用sapply对一些结果变量进行回归。sappy函数正常工作并返回线性模型,但调用返回“Call”: 乐趣(公式=X[[i]],数据=…1)“”。我相信这就是我无法将sapply输出插入Stargazer而不出现以下错误的原因:Sapply with LM返回Stargazer可以调用的调用函数';我不使用。我该如何改变这一点?,r,sapply,stargazer,R,Sapply,Stargazer,我试着用sapply对一些结果变量进行回归。sappy函数正常工作并返回线性模型,但调用返回“Call”: 乐趣(公式=X[[i]],数据=…1)“”。我相信这就是我无法将sapply输出插入Stargazer而不出现以下错误的原因: % Error: Unrecognized object type. 我将sapply变量的输出与第一个结果变量的手动插件进行了比较。结果是一样的,但Stargazer不会使用sapply版本 这项工作: normal_approach <- lm(y_1
% Error: Unrecognized object type.
我将sapply变量的输出与第一个结果变量的手动插件进行了比较。结果是一样的,但Stargazer不会使用sapply版本
这项工作:
normal_approach <- lm(y_1~x, data = df)
stargazer(normal_approach, type = 'text')
stargazer
在显示模型列表的输出时出现问题。“黑客”是在创建模型之前获取长格式的数据
由于没有共享数据,这里有一种使用mtcars
dataset的方法,只保留前3列。我在这里使用的是disp
,而不是您的x
列
library(stargazer)
df <- mtcars[1:3]
df1 <- tidyr::pivot_longer(df, cols = -disp)
list_df <- split(df1, df1$name)
lm_model_list <- lapply(list_df, function(x) lm(disp~value, x))
库(stargazer)
df如果没有一个可复制的示例,就不那么容易确定,但您可以尝试类似于此的方法:这是因为您将包含模型对象的列表传递给stargazer,而不是直接传递模型对象。。在您的特定示例中,如果您使用stargazer(sapply_version[[1]],type='text'),它应该可以工作。对于更多型号,您可以使用lappy(sapply_版本,stargazer,type=“text”)@tomascapreto,我在发布之前已经尝试过了。它不起作用。我很确定问题在于调用函数。太棒了!是的,这个有效。它做得很漂亮。非常感谢你。
Call: FUN(formula = X[[i]], data = ..1)
library(stargazer)
df <- mtcars[1:3]
df1 <- tidyr::pivot_longer(df, cols = -disp)
list_df <- split(df1, df1$name)
lm_model_list <- lapply(list_df, function(x) lm(disp~value, x))
#For one model
stargazer(lm_model_list$cyl, type = 'text')
===============================================
Dependent variable:
---------------------------
disp
-----------------------------------------------
value 62.599***
(5.469)
Constant -156.609***
(35.181)
-----------------------------------------------
Observations 32
R2 0.814
Adjusted R2 0.807
Residual Std. Error 54.385 (df = 30)
F Statistic 130.999*** (df = 1; 30)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01
#For list of models
stargazer(lm_model_list, type = 'text')
==========================================================
Dependent variable:
----------------------------
disp
(1) (2)
----------------------------------------------------------
value 62.599*** -17.429***
(5.469) (1.993)
Constant -156.609*** 580.884***
(35.181) (41.740)
----------------------------------------------------------
Observations 32 32
R2 0.814 0.718
Adjusted R2 0.807 0.709
Residual Std. Error (df = 30) 54.385 66.863
F Statistic (df = 1; 30) 130.999*** 76.513***
==========================================================
Note: *p<0.1; **p<0.05; ***p<0.01