我希望在星际观察者的回归输出中使用相同的星星,就像“正常输出”一样。
我生成数据
library("stargazer"); library("lmtest"); library("sandwich")
set.seed(1234)
df <- data.frame(y=1001:1100)
df$x <- c(1:70,-100:-71) + rnorm(100, 0, 74.8)
model <- lm(log(y) ~ x, data=df)
并获得一些模型估计,其中x上的系数具有0.1023的p值
coeftest(model, vcov = vcovHC(model, type="HC3"))
我想在LaTeX中获得这些结果。基于相同的函数,我计算异方差性一致的标准估计值,并让观星者使用它们。
stderr_HC3_model <- sqrt(diag(vcovHC(model, type = "HC3")))
stargazer(model, se=list(stderr_HC3_model))
星辰输出在系数上有一个星,表示alpha = 10%时的显着性。我希望观星者和coeftest一样。 (由于与Stata的可比性,reg L_y x,vce(hc3)给出了精确的系数结果。)
我玩了一些没有帮助的观星选项p.auto,t.auto。当我执行“stargazer”时,我无法查看底层代码,因为在其他情况下它是可能的。怎么办?
ses <- list(coeftest(ols_a, vcov = vcovHC(ols_a, type="HC3"))[,2],
coeftest(ols_b, vcov = vcovHC(ols_b, type="HC3"))[,2])
pvals <- list(coeftest(ols_a, vcov = vcovHC(ols_a, type="HC3"))[,4],
coeftest(ols_b, vcov = vcovHC(ols_b, type="HC3"))[,4])
stargazer(ols_a, ols_b, type="text", p=pvals, se=ses)
答案 0 :(得分:4)
您需要提供与coeftest
相关联的p值。从手册页。
p将替换默认p值的数字向量列表 每个型号。按元素名称匹配。这些将构成基础 关于重要明星的决定
以下情况应该有效。
test <- coeftest(model, vcov = vcovHC(model, type="HC3"))
ses <- test[, 2]
pvals <- test[, 4]
stargazer(model, type="text", p=pvals, se=ses)
这提供了以下内容。
===============================================
Dependent variable:
---------------------------
log(y)
-----------------------------------------------
x -0.00005
Constant 6.956***
(0.003)
-----------------------------------------------
Observations 100
R2 0.026
Adjusted R2 0.016
Residual Std. Error 0.027 (df = 98)
F Statistic 2.620 (df = 1; 98)
===============================================
Note: *p<0.1; **p<0.05; ***p<0.01
答案 1 :(得分:2)
这可能是一个小问题,但理查德的回答实际上并不完全正确 -
他的观星者输出不报告任何标准误差,也不报告变量x
的潜在重要星。
另外,在星际观察手册coefficients
中仅报告单个模型时,必须在列表中提供se
,p
和t
值。否则,观星者将报告一个空列表。
(略微)更正的例子:
test <- coeftest(model, vcov = vcovHC(model, type="HC3"))
ses <- list(test[, 2])
pvals <- list(test[, 4])
stargazer(model, type="text", p=pvals, se=ses)
输出:
=======================================================================
Dependent variable:
-----------------------------------------
Daily added investors
negative
binomial
-----------------------------------------------------------------------
log(lag_raised_amount + 1) -0.466***
(0.124)
lag_target1 -0.661***
(0.134)
Constant -3.480**
(1.290)
-----------------------------------------------------------------------
Observations 6,513
Log Likelihood -8,834
theta 1.840*** (0.081)
Akaike Inf. Crit. 17,924
=======================================================================
Note: + p<0.1; * p<0.05; ** p<0.01; *** p<0.001
答案 2 :(得分:1)
se
论证存在固有的危险。
使用此方法时,用户应谨慎使用t.auto
和p.auto
这两个参数,两者都默认为TRUE
。我认为将它们设置为FALSE
并提供手动t
和p
值是谨慎的。
如果不这样做,您就有可能让显着的星星与显示的p值不同步。 (我怀疑观星者只会重复使用现在与默认值不同的se
,并使用此输入重新计算显示的星星;这自然会产生意外结果。)
另见: