R 星探多森';t显示稳健s.e.的观测数量
我试图使用stargazer输出一些带有稳健标准误差的回归结果,但底部的行没有显示nobs和f stat等值。下面是代码和输出R 星探多森';t显示稳健s.e.的观测数量,r,regression,stargazer,robust,R,Regression,Stargazer,Robust,我试图使用stargazer输出一些带有稳健标准误差的回归结果,但底部的行没有显示nobs和f stat等值。下面是代码和输出 r_FEB1_se <- coeftest(r_FEB1, vcov = vcovHC(r_FEB1, method = "arellano", type = "HC3", cluster = "group")) r_FED1_se <- coeftest(r_FED1, vcov = vcovHC(r_FED1, method = "arellano",
r_FEB1_se <- coeftest(r_FEB1, vcov = vcovHC(r_FEB1, method = "arellano", type = "HC3", cluster = "group"))
r_FED1_se <- coeftest(r_FED1, vcov = vcovHC(r_FED1, method = "arellano", type = "HC3", cluster = "group"))
r_FEF1_se <- coeftest(r_FEF1, vcov = vcovHC(r_FEF1, method = "arellano", type = "HC3", cluster = "group"))
r_FEH1_se <- coeftest(r_FEH1, vcov = vcovHC(r_FEH1, method = "arellano", type = "HC3", cluster = "group"))
r_FEB2_se <- coeftest(r_FEB2, vcov = vcovHC(r_FEB2, method = "arellano", type = "HC3", cluster = "group"))
r_FED2_se <- coeftest(r_FED2, vcov = vcovHC(r_FED2, method = "arellano", type = "HC3", cluster = "group"))
r_FEF2_se <- coeftest(r_FEF2, vcov = vcovHC(r_FEF2, method = "arellano", type = "HC3", cluster = "group"))
r_FEH2_se <- coeftest(r_FEH2, vcov = vcovHC(r_FEH2, method = "arellano", type = "HC3", cluster = "group"))
stargazer::stargazer(r_FEB1_se,r_FEB2_se,r_FED1_se,r_FED2_se,r_FEF1_se,r_FEF2_se,r_FEH1_se,r_FEH2_se, type = "text")
=========================================================================================================================
Dependent variable:
--------------------------------------------------------------------------
(1) (2) (3) (4) (5) (6) (7) (8)
-------------------------------------------------------------------------------------------------------------------------
`Ratio Immigrants/pop t-1` 0.594* 0.653* 1.193*** 1.368*** 0.973*** 1.031*** 0.841*** 0.904***
(0.337) (0.338) (0.450) (0.458) (0.295) (0.306) (0.294) (0.299)
`Disposable income in Thousand EUR t-1` 0.000* 0.000 0.000 0.00000***
(0.000) (0.000) (0.000) (0.000)
`Unemployment rate on all civilian income t-1` 0.010*** 0.031*** -0.006 0.009**
(0.003) (0.007) (0.005) (0.004)
`Disposable income in Thousand EUR t-2` 0.000 0.000 0.000 0.00000***
(0.000) (0.000) (0.000) (0.000)
`Unemployment rate on all civilian income t-2` 0.008** 0.025*** -0.011** 0.007
(0.003) (0.007) (0.005) (0.005)
=========================================================================================================================
=========================================================================================================================
Note: *p<0.1; **p<0.05; ***p<0.01
r\u FEB1\u se通常使用“lm”
对象生成表。但您可以覆盖这些值。由于我对软件包比较熟悉,希望您不介意我提供相应的解决方案
您既需要“lm”
对象(在下面表示为fit*
),也需要矩阵(在下面表示为coeftest
)产生稳健的标准误差)。例如:
只需将LaTeX的screenreg
替换为texreg
,或HTML的htmlreg
即可
我相信这在stargazer
中也有可能,通常使用“lm”
对象生成表。但您可以覆盖这些值。由于我对软件包比较熟悉,希望您不介意我提供相应的解决方案
您既需要“lm”
对象(在下面表示为fit*
),也需要矩阵(在下面表示为coeftest
)产生稳健的标准误差)。例如:
只需将LaTeX的screenreg
替换为texreg
,或HTML的htmlreg
即可
我相信这在stargazer
的情况下也是可能的。我同意jay.sf的观点,如果提供了coeftest
对象而不是回归模型,stargazer
将不会显示测试统计数据。但是有一种解决方案不需要切换到texreg
您仍然可以使用coeftest
查找可靠的标准错误。您需要将每个模型的标准误差保存在一个数值向量中,然后将所有向量合并到一个列表中,该列表将提供给stargazer
中的se
选项。但要注意,必须依赖于这些向量中的元素名称,才能将每个稳健标准误差与每个自变量相匹配。因此,对于每个模型,您应该使用[,2]对coeftest
对象进行子集划分,因为第二列表示稳健的标准错误。变量名将以这种方式保留。然后,您可以将所有数值向量合并到一个列表中,并将其提供到se
选项中
不适合您的数据集的示例代码:
(我有八个模型要运行,从q4a1到q4a8,它们存储在列表q4a中。我想查找双向聚集的标准错误,而不是稳健的标准错误。)
se.q4a我同意jay.sf的观点,即如果提供了coefest
对象而不是回归模型,则stargazer
将不会显示测试统计数据。但是有一种解决方案不需要切换到texreg
您仍然可以使用coeftest
查找可靠的标准错误。您需要将每个模型的标准误差保存在一个数值向量中,然后将所有向量合并到一个列表中,该列表将提供给stargazer
中的se
选项。但要注意,必须依赖于这些向量中的元素名称,才能将每个稳健标准误差与每个自变量相匹配。因此,对于每个模型,您应该使用[,2]对coeftest
对象进行子集划分,因为第二列表示稳健的标准错误。变量名将以这种方式保留。然后,您可以将所有数值向量合并到一个列表中,并将其提供到se
选项中
不适合您的数据集的示例代码:
(我有八个模型要运行,从q4a1到q4a8,它们存储在列表q4a中。我想查找双向聚集的标准错误,而不是稳健的标准错误。)
se.q4a您可能想尝试使用软件包作为替代。我尝试过使用它,但它显示了相同的结果,观察的数量没有显示,我是否遗漏了什么?是的,您使用的是“coefest”
对象,它不包含“lm”
对象所包含的所有信息。查看我的答案以获得修复。您可能希望尝试使用package作为替代方案。我尝试过使用它,但它显示了相同的结果,观察次数没有显示,我是否遗漏了什么?是的,您使用的是“coeftest”
对象,它不包含“lm”
对象所包含的所有信息。请看我的答案。
fit1 <- lm(mpg ~ hp, mtcars)
fit2 <- lm(mpg ~ hp + am, mtcars)
library(sandwich);library(lmtest)
rob.fit1 <- coeftest(fit1, vcov.=vcovHC(fit1))
rob.fit2 <- coeftest(fit2, vcov.=vcovHC(fit2))
library(texreg)
screenreg(list(fit1, fit2),
override.se=list(rob.fit1[,2], rob.fit2[,2]),
override.pvalues=list(rob.fit1[,4], rob.fit2[,4]))
# =================================
# Model 1 Model 2
# ---------------------------------
# (Intercept) 30.10 *** 26.58 ***
# (2.41) (1.47)
# hp -0.07 *** -0.06 ***
# (0.02) (0.01)
# am 5.28 ***
# (1.22)
# ---------------------------------
# R^2 0.60 0.78
# Adj. R^2 0.59 0.77
# Num. obs. 32 32 <-- THERE THEY ARE!!
# RMSE 3.86 2.91
# =================================
# *** p < 0.001, ** p < 0.01, * p < 0.05
se.q4a <- sapply(q4a, function(z) coeftest(z, vcov = vcovCL, cluster = ~ wbcode + cluster)[, 2])
stargazer(q4a[[1]], q4a[[2]], q4a[[3]], q4a[[4]], q4a[[5]], q4a[[6]], q4a[[7]], q4a[[8]], keep = c("rlaw", "corrupt"), type = "text", se = se.q4a)