使R报告在输出中调整R平方和F检验，具有稳健的标准误差

我用lm（x~y1+y1+…+yn）估计了一个线性回归模型，为了抵消目前的异方差，我用R估计了稳健的标准误差

coeftest(model, vcov = vcovHC(model, type = "HC0"))

我知道来自“正常”模型的（稳健的）R平方和F统计仍然有效，但是我如何让R在输出中报告它们呢？我想将来自不同规范的多个回归输出与

stargazer

融合在一起，如果为了得到这些统计数据而不得不进入非稳健模型，那么结果会变得非常混乱。理想情况下，我希望在包含这些统计数据的

stargazer

中输入一个回归输出，从而将其导入到他们的框架中

---

提前感谢您的所有回答

我没有stargarzer的解决方案，但对于具有稳健标准误差的回归表，我有几个可行的替代方案：

选择1 使用

modelsummary

包制作表格

它有一个

statistic\u override

参数，允许您提供一个计算稳健方差协方差矩阵的函数（例如，

sandwich:：vcovHC

）

库（模型摘要）
图书馆（三明治）
mod1这是如何进行的。您需要使用stargazer支持的模型对象作为模板，然后您可以提供一个包含要使用的标准错误的列表：

library(dplyr)
library(lmtest)
library(stargazer)


# Basic Model ---------------------------------------------------------------------------------

model1 <- lm(hp ~ factor(gear) + qsec + cyl + factor(am), data = mtcars)
summary(model1)


# Robust standard Errors ----------------------------------------------------------------------

model_robust <- coeftest(model1, vcov = vcovHC(model1, type = "HC0"))

# Get robust standard Errors (sqrt of diagonal element of variance-covariance matrix)
se = vcovHC(model1, type = "HC0") %>% diag() %>% sqrt()

stargazer(model1, model1, 
          se = list(NULL, se), type = 'text')

库（dplyr）
图书馆（lmtest）
图书馆（星探）
#基本模型---------------------------------------------------------------------------------
模型1%sqrt（）
stargazer（型号1、型号1、，
se=列表（NULL，se），类型='text'）

使用这种方法，您甚至可以对不受支持的模型对象使用stargazer。您只需要系数、标准误差和p值作为向量。然后，您甚至可以“机械地插入”不受支持的模型

最后一点。你是对的，一旦异方差性存在，Rsquared仍然可以使用。但是，总体F-test和t-test不再有效。
你在使用什么软件包？这是
lmtest:：coeftest
？@r2evans吗