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Stargazer中的指数化CI,r,stargazer,R,Stargazer,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 <- multi
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)