- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想知道是否有人提出了使用stargazer
显示cal分类变量的引用类别的解决方案?
library(stargazer)
让我们假设 gear
和 carb
是分类变量
mtcars$gear = factor(mtcars$gear)
mtcars$carb = factor(mtcars$carb)
我使用
运行ols
lm1 = lm(disp ~ gear + carb, mtcars)
和观星
结果。
stargazer(lm1, single.row = TRUE, omit.table.layout = "sn")
我明白
但是,我发现自己总是返回到 tex
文件来自定义引用类别以获取
基本上,我所做的就是添加到变量之间的latex
:
gear (ref = 3) & \\
\-\hspace{0.3cm} gear4 & $-$202.921$^{***}$ (22.477) \\
等等。
有人知道我是否可以在 stargazer
函数中添加这些类型的行
吗?
最佳答案
您可以通过向 stargazer
提供 covariate.labels
来实现您想要的输出:
library(magrittr)
library(stringr)
library(stargazer)
covlabels <-
names(lm1$coefficients)[-1] %>%
if_else(str_sub(., 1, 4) == "gear" | str_sub(., 1, 4) == "carb", paste("\\-\\hspace{0.3cm}", .), .) %>%
if_else(str_sub(., 18, 24) == "gear4", paste("gear (ref=3) \\\\", .), .) %>%
if_else(str_sub(., 18, 24) == "carb2", paste("carb (ref=1) \\\\", .), .)
stargazer(lm1, single.row = TRUE, omit.table.layout = "sn", covariate.labels=covlabels)
产量
% Table created by stargazer v.5.2 by Marek Hlavac, Harvard University. E-mail: hlavac at fas.harvard.edu
% Date and time: Mon, Jan 08, 2018 - 3:18:09 AM
\begin{table}[!htbp] \centering
\caption{}
\label{}
\begin{tabular}{@{\extracolsep{5pt}}lc}
\\[-1.8ex]\hline
\hline \\[-1.8ex]
& \multicolumn{1}{c}{\textit{Dependent variable:}} \\
\cline{2-2}
\\[-1.8ex] & disp \\
\hline \\[-1.8ex]
gear (ref=3) \\ \-\hspace{0.3cm} gear4 & $-$202.921$^{***}$ (22.477) \\
\-\hspace{0.3cm} gear5 & $-$160.898$^{***}$ (36.282) \\
carb (ref=1) \\ \-\hspace{0.3cm} carb2 & 71.282$^{**}$ (27.919) \\
\-\hspace{0.3cm} carb3 & 25.574 (39.919) \\
\-\hspace{0.3cm} carb4 & 155.852$^{***}$ (27.355) \\
\-\hspace{0.3cm} carb6 & 55.672 (68.065) \\
\-\hspace{0.3cm} carb8 & 211.672$^{***}$ (68.065) \\
Constant & 250.226$^{***}$ (24.363) \\
\hline \\[-1.8ex]
\hline
\hline \\[-1.8ex]
\end{tabular}
\end{table}
关于R - stargazer 添加引用类别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40683646/
我已经阅读了很多关于将简单的健壮选项从 STATA 复制到 R 以使用健壮的标准错误的痛苦。我复制了以下方法:StackExchange和 Economic Theory Blog .它们可以工作,但
我想用 stargazer() 报告边际效应,而不是通常的估计效应 当边际效应被估计时,结果被转换成一个向量,如果它是一个 glm/lm 对象,我无法以一种实用的方式报告它,并且我可以使用相同类型的信
R新手在这里。我在使用lmerTest和stargazer时遇到问题。我在这里按照教程进行操作,以使stargazer与R中的lme4一起使用。 http://svmiller.com/blog/20
使用时 stargazer有争论,omit.stat ,但是我需要从系数值下方删除测试统计数据,并且它不是 stargazer package documentation (PDF) (pp. 14–
使用stargazer在逻辑回归对象上创建LaTeX表时,标准行为是输出每个模型的logit值。是否可以获取exp(logit)代替?也就是说,我可以代替赔率吗? 在观星者文档中,以下内容提到“ Co
有人知道如何让stargazer显示lm模型的集群SE吗? (以及相应的 F 检验?)如果可能的话,我想采用类似于使用 sandwich 计算异方差稳健 SE 的方法,并将它们弹出到 stargaze
我有以下回归: fit1 <- lm(y ~ x1, data = data) fit2 <- lm(y ~ x1 + x2, data = data) fit3 <- lm(y ~ x3 * x1,
我想知道是否有人提出了使用stargazer显示cal分类变量的引用类别的解决方案? library(stargazer) 让我们假设 gear 和 carb 是分类变量 mtcars$gear =
是否可以更改 stargazer 的默认值,以便它显示一些自定义模型快捷方式而不是型号? 我找到了 model.number 参数,但这是一个开/关参数。 理想情况下,我可以将 model.names
我想使用 4 star.cutoffs -- c(0.1, 0.05, 0.01, 0.001) -- 使用 stargazer。 library(stargazer) m1 = lm(disp ~
我正在使用 stargazer 包生成数据集中变量的 Latex 汇总表。我不想在我的表中显示百分位数统计信息(第 25 位和第 75 位),但是通过 iqr = FALSE 禁用该选项不起作用。 我
我运行了一个类型的回归 model #> ============================================== #> Dependen
我只是运行我的回归,包括固定效应,在本例中为 id_school。接下来,我从 stargazer 选项卡中省略了所有虚拟变量,这样我就可以节省一些空间。 问题是我想在我的选项卡中包含一行,以便报告我
我正在尝试使用包含 4 种不同 lm 模型的 R 包 Stargazer 构建回归表。我的数据包含 x、y 和两个分类变量。根据模型,我要么不包括,要么包括一个或两个分类变量。但是,我不希望分类变量的
当我想保存我的回归结果时 stargazer(regressions[[reg]], out=myFile, out.header=FALSE stargazer还将结果显示/打印到控制台中。当我迭代
在使用 Sweave 和 R 构建文档时,我使用了 stargazer 库来制作表格。 当使用 stargazer 时,是否有一种机制可以显示与 glm 构建的模型的残差相关联的自由度? 最少的代码:
我想运行一些回归并使用 stargazer 创建一个表。例如 linear.1 <- lm(rating ~ complaints + privileges + learning + raises +
我想在 中的表中比较不同模型(lm、glm、plm、pglm)的结果R 使用 stargazer 或类似工具。 但是我找不到用科学记数法显示系数的方法。这是一个问题,因为截距相当大(大约一百万)而其他
我想用 stargazer为分组变量的每个类别生成汇总统计量。我可以在单独的表中完成,但我希望将其全部放在一个表中 - 如果这对这个包来说不是不合理的挑战。 例如 library(stargazer)
我正在使用来自lme4包和lmerTest的lmer。我的回归如下所示: r1 <- lmer(a ~ b + c + as.factor(d) + (1 | e), data = df) 我想使用s
我是一名优秀的程序员,十分优秀!