r - 导出可发表论文的 R 回归摘要

Question

我在 R 中有多个回归模型，我想以可以包含在出版物中的漂亮表格格式对其进行总结。我已准备好所有结果，但找不到导出它们的方法，而且手动执行此操作效率不高，因为我需要大约 20 个表。

所以，我的模型之一是:

felm1=felm(ROA~BC+size+sizesq+age | stateyeard+industryyeard, data=data)

我在 R 中得到了想要的摘要。

但是，我想要我的论文只在表格中包含以下内容，括号中带有 t 统计量的估计值以及显着性代码( *、 等)。

有没有办法创建包含上述内容的任何类型的表格？ Lyx、excel、word、.rft，任何真的。

更好的是，我拥有的另一个模型是(有些变量不同):

felm2=felm(ROA~BC+BCHHI+size+sizesq+age | stateyeard+industryyeard, data=data)

我可以在一个表中汇总两个回归的摘要(其中相同的变量将在同一行上，而其他变量将产生空单元格)？

在此先感谢您，我将不胜感激任何帮助尝试。

这是一个可重现的示例:

 x<-rnorm(1:20)

 y<-(1:20)/10+x

 summary(lm(y~x))



   Coefficients:
            Estimate Std. Error t value Pr(>|t|)    

(Itercept)  1.0539     0.1368   7.702 4.19e-07 ***

  x         1.0257     0.1156   8.869 5.48e-08 ***

这是 R 中的结果。我希望表格中的结果看起来像

 (Itercept)  1.0539*** (7.702)
      X      1.0257*** (8.869)

这可能吗？

Answer 1

Broom 包非常适合制作适合导出的回归表。然后可以将结果导出到 csv 以使用 Excel 进行调试，或者可以使用 Rmarkdown 和 knitr 的 kable 功能来制作 Word 文档(或 latex )。

require(broom) # for tidy()
require(knitr) # for kable()

x<-rnorm(1:20)

y<-(1:20)/10+x

model <- lm(y~x)
out <- tidy(model)
out
        term estimate std.error statistic      p.value
1 (Intercept) 1.036583 0.1390777  7.453261 6.615701e-07
2           x 1.055189 0.1329951  7.934044 2.756835e-07

kable(out)


|term        | estimate| std.error| statistic| p.value|
|:-----------|--------:|---------:|---------:|-------:|
|(Intercept) | 1.036583| 0.1390777|  7.453261|   7e-07|
|x           | 1.055189| 0.1329951|  7.934044|   3e-07|

我应该提一下，我现在使用优秀的 pixiedust 来导出回归结果，因为它可以更好地控制输出，允许用户在 R 中做更多的事情，而在任何其他包中做的事情更少。

see the vignette on Cran

library(dplyr) # for pipe (%>%) command
library(pixiedust)

dust(model) %>% 
      sprinkle(cols = c("estimate", "std.error", "statistic"), round = 2) %>%
      sprinkle(cols = "p.value", fn = quote(pvalString(value))) %>% 
      sprinkle_colnames("Term", "Coefficient", "SE", "T-statistic", 
                        "P-value")

         Term Coefficient   SE T-statistic P-value
1 (Intercept)        1.08 0.14        7.44 < 0.001
2           x        0.93 0.14        6.65 < 0.001