时间戳

首页 > 解决方案 > 如何为多元多元回归模型（多个因变量）创建发布表？

r - 如何为多元多元回归模型（多个因变量）创建发布表？

问题描述

我通过将多个因变量与 lm() 中的 cbind() 结合起来运行了一些多元多元回归模型：

dv1 <- rnorm(15)
dv2 <- rnorm(15)
dv3 <- rnorm(15)
iv1 <- rnorm(15)
iv2 <- rnorm(15)

m1 <- lm(cbind(dv1, dv2, dv3) ~ iv1 + iv2)

我的模型需要一个经典的发布表，上面有重要的星星等，通常使用 stargazer。我认为它给了我一个错误信息，因为有多个 DV。

library(stargazer)
stargazer(mmr1, type = "html")

错误是：“if (.global.coefficient.variables[i] %in% .global.intercept.strings) { 中的错误：参数长度为零”

软件包更新到最新版本（这解决了另一个问题中类似的观星错误），如果我只使用一个因变量运行相同的模型，我不会收到错误消息。

我找不到任何专门针对在发布表中绘制多元回归结果的线程，只有多个回归模型。

有人可以在这里给我小费吗？哪个函数适用于提供类似于观星者的发布表的多元模型？

标签： rregressionstargazermultivariate-testing

解决方案

考虑单独运行这三个模型，稍后在 stargazer 命令中将它们组合起来。

m1 <- lm(dv1 ~ iv1 + iv2)  
m2 <- lm(dv2 ~ iv1 + iv2) 
m3 <- lm(dv3 ~ iv1 + iv2) 
stargazer(m1,m2,m3, type = "html")

使用“文本”选项时的示例输出：

===========================================================
                                   Dependent variable:     
                              -----------------------------
                                 dv1       dv2       dv3   
                                 (1)       (2)       (3)   
-----------------------------------------------------------
iv1                            -0.135    -0.230     0.104  
                               (0.352)   (0.366)   (0.521) 
                                                           
iv2                             0.198    -0.079     0.392  
                               (0.322)   (0.335)   (0.477) 
                                                           
Constant                       -0.306    -0.192    -0.394  
                               (0.212)   (0.220)   (0.314) 
                                                           
-----------------------------------------------------------
Observations                     15        15        15    
R2                              0.062     0.032     0.054  
Adjusted R2                    -0.094    -0.129    -0.103  
Residual Std. Error (df = 12)   0.810     0.842     1.199  
F Statistic (df = 2; 12)        0.399     0.198     0.344  
===========================================================
Note:                           *p<0.1; **p<0.05; ***p<0.01

推荐阅读