Stargazer中的指数化CI

我正在尝试运行许多多项式回归模型。Stargazer似乎是一个很好的工具，可以在一个文档中报告所有结果，以便于访问。然而，我注意到我得到了一些负的置信区间，这是没有意义的

我试着单独使用

apply.coef=exp

，得到了负的置信区间 我还尝试在置信区间没有意义的地方使用

apply.coef=exp

和

apply.ci=exp

当我自己执行

apply.ci=exp

时，ci是正确的，但它不会使系数成倍增加

健康有三个等级（差、中等、理想），差为参考 ETI是连续的

test1 <- multinom(Health ~ ETI, data = X)
test2 <- multinom(Health ~ ETI + age + male, data = X)
test3 <- multinom(Health ~ ETI + age + male +educ +married+employed+income, data = X)
test4 <- multinom(Health ~ ETI + age + male +educ +married+depression+employed+income, data = X)

我尝试的第二个代码（仅

apply.ci

）：

最后一个代码（包括

apply.ci

和

apply.coef

）：

对于第1个代码：

#        Ideal  Int 
#Model1 
#          (1)  (2) 
#ETI    0.453*  0.761***    
#(-0.051, 0.956)    (0.413, 1.109)

指数系数是正确的，但CI是错误的

对于第二个代码：

#           Ideal   Int 
#Model1 
#            (1)            (2) 
#ETI    -0.793***   -0.273  
#(0.273, 0.749)       (0.538, 1.078)

CI正确且与

cofint

对于第三个代码：

#       Ideal   Int 
#      Model1   
#       (1) (2) 
#ETI    0.453*  0.761***    
#(0.950, 2.602) (1.512, 3.033)

---

CI是错误的，我认为它是双重指数化的

如果

texreg

也适合您，下面是一个如何在CI上运行

exp

并将其用于回归表的示例。因为您没有包含数据，所以我使用了

birthwt

library(MASS)
library(nnet)
library(stargazer)
example(birthwt)

test1 <- multinom(race ~ age + lwt + bwt,
                  data = birthwt)
summary(test1)
summary(test1)["standard.errors"]

ci.low <- c(confint(test1)[1:4], confint(test1)[9:12])
ci.up <-  c(confint(test1)[5:8], confint(test1)[13:16])
texreg::screenreg(test1,
                  ci.force = T,
                  override.ci.low = exp(ci.low),
                  override.ci.up = exp(ci.up)
                  )

库（MASS）
图书馆（nnet）
图书馆（星探）
示例（出生WT）
test1一种替代方法是使用
gtsummary
包，这将允许您在一行代码中轻松地对模型求幂。你必须将种族因素考虑在内，才能使它发挥作用

library(nnet)
library(MASS)
library(gtsummary)

test1 <- multinom(factor(race) ~ age + lwt + bwt,
                  data = birthwt) %>% 
  tbl_regression( exponentiate = TRUE)


test2 <- multinom(factor(race) ~ age + lwt + bwt,
                  data = birthwt)%>% 
  tbl_regression( exponentiate = TRUE)

库（nnet）
图书馆（弥撒）
图书馆（摘要）
测试1%
tbl_回归（指数=真）
测试2%
tbl_回归（指数=真）
1。负CI不一定是错误的。2.我宁愿使用
texreg
而不是stargazer。3.如果您想继续使用stargazer，我会尝试在summary（lm（x））级别上处理CI，而不是尝试使用stargazer更改它们。
#       Ideal   Int 
#      Model1   
#       (1) (2) 
#ETI    0.453*  0.761***    
#(0.950, 2.602) (1.512, 3.033)

library(MASS)
library(nnet)
library(stargazer)
example(birthwt)

test1 <- multinom(race ~ age + lwt + bwt,
                  data = birthwt)
summary(test1)
summary(test1)["standard.errors"]

ci.low <- c(confint(test1)[1:4], confint(test1)[9:12])
ci.up <-  c(confint(test1)[5:8], confint(test1)[13:16])
texreg::screenreg(test1,
                  ci.force = T,
                  override.ci.low = exp(ci.low),
                  override.ci.up = exp(ci.up)
                  )

library(nnet)
library(MASS)
library(gtsummary)

test1 <- multinom(factor(race) ~ age + lwt + bwt,
                  data = birthwt) %>% 
  tbl_regression( exponentiate = TRUE)


test2 <- multinom(factor(race) ~ age + lwt + bwt,
                  data = birthwt)%>% 
  tbl_regression( exponentiate = TRUE)