r - 如何从 lm_robust 对象获取 AIC

Question

如何从 lm_robust 对象(包 estimatr)获取 AIC？我使用 lm_robust 是因为我想使用稳健的估计器来计算 SE。与 lm 函数不同，当您运行汇总函数并在 lm_robust 上运行 AIC 函数时，不会提供 AIC > 对象产生错误。下面是我尝试运行的模型类型的玩具示例。

library(estimatr)

fake_data<-data.frame(outcome=rnorm(100,3.65,1),
                      pred1=rnorm(100,15,7),
                      pred2=as.factor(sample(1:5, 100, replace = T)))

mod1<-lm_robust(outcome~pred1+pred2,data=fake_data)
AIC(mod1)

错误消息如下所示:

> AIC(mod1)
Error in UseMethod("logLik") : 
  no applicable method for 'logLik' applied to an object of class "lm_robust"

Answer 1

如果必须用lm_robust来做，你可以选择自己计算，如下，

AIC的公式，

AIC = 2*k + n [Ln( 2(pi) RSS/n ) + 1]

# n : Number of observation
# k : All variables including all distinct factors and constant
# RSS : Residual Sum of Square

如果我们将其应用于您的情况的 R，

# Note that, I take k=7 since you have, 5 factors + 1 continuous and 1 constant

AIC_calculated <- 2*7 + 100* (log( 2*pi* (1-mod1$r.squared)*mod1$tss/100 ) + 1)


[1] 332.2865

与 lm 和 glm 输出相同。

mod2<-lm(outcome~pred1+pred2,data=fake_data)

> AIC(mod2)
[1] 332.2865

最后，当然，您可以将此计算放入一个函数中，只需在其中提供 lm_robust 模型即可随时调用，而无需设置 N 和任何给定数据的 k 参数，例如，

myAIC <- function(data) {

    2*(data$k+1) + data$N * (log(2*pi* (1-data$r.squared)*data$tss/data$N ) + 1)

}

> myAIC(mod1)
[1] 332.2865

注意:由于在数据帧中运行 sample() 函数时存在种子差异，因此您的计算机中显示的结果可能会有所不同。