r - 使 R 报告在输出中调整 R 平方和 F 检验，并具有稳健的标准误差

Question

我使用lm(x~y1 + y1 + ... + yn)估计了线性回归模型，并为了应对当前的异方差性，我让 R 估计了稳健的标准误差

coeftest(model, vcov = vcovHC(model, type = "HC0"))

我知道“正常”模型中的(稳健)R 平方和 F 统计仍然有效，但如何让 R 在输出中报告它们？我想将不同规范的多个回归输出与 stargazer 融合在一起，如果我必须输入非鲁棒模型来获取这些统计数据，那么情况会变得非常困惑。理想情况下，我想将回归输出输入到包含这些统计数据的 stargazer 中，从而将其导入到他们的框架中。

提前感谢您的所有回答

Answer 1

我没有使用 stargarzer 的解决方案，但我确实有一些具有稳健标准误差的回归表的可行替代方案:

选项 1

使用modelsummary包来制作表格。

它有一个 statistic_override 参数，允许您提供一个计算稳健方差协方差矩阵的函数(例如，sandwich::vcovHC。

library(modelsummary)
library(sandwich)

mod1 <- lm(drat ~ mpg, mtcars)
mod2 <- lm(drat ~ mpg + vs, mtcars)
mod3 <- lm(drat ~ mpg + vs + hp, mtcars)
models <- list(mod1, mod2, mod3)

modelsummary(models, statistic_override = vcovHC)

注1:上面的屏幕截图来自 HTML 表格，但 modelsummary 包还可以保存 Word、LaTeX 或 Markdown 表格。

注2:我是这个包的作者，所以请将其视为可能有偏见的观点。

选项 2

使用 estimatr::lm_robust 函数，该函数会自动包含稳健的标准错误。我相信 estimatr 受 stargazer 支持，但我知道它受 modelsummary 支持。

library(estimatr)

mod1 <- lm_robust(drat ~ mpg, mtcars)
mod2 <- lm_robust(drat ~ mpg + vs, mtcars)
mod3 <- lm_robust(drat ~ mpg + vs + hp, mtcars)
models <- list(mod1, mod2, mod3)

modelsummary(models)