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,r,output,stargazer,standard-error,R,Output,Stargazer,Standard Error,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
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