我正在进行逻辑回归并用stargazer报告结果。我注意到当我应用apply.coef = OR选项时(以便报告优势比),显着地报告了显着性星 - 在某些情况下没有星而不是三星,有时在那里有星星不应该。 例如;
stargazer(basic.logit.model,
type="html",
apply.coef = OR,
column.labels = c("Base"),
dep.var.labels.include = FALSE,
digits=2, out=("basic_model_only.htm"))
产量
X 0.33
(0.23)
Constant 0.03
(0.11)
Observations 6,532
Log Likelihood -552.64
Akaike Inf. Crit. 1,109.28
Note: *p<0.1; **p<0.05; ***p<0.01
并且没有apply-coef选项,结果为:
X -1.10***
(0.23)
Constant -3.68***
(0.11)
Observations 6,532
Log Likelihood -552.64
Akaike Inf. Crit. 1,109.28
Note: *p<0.1; **p<0.05; ***p<0.01
我错过了什么?
答案 0 :(得分:1)
通常您应该努力提供一个最小的工作示例,以便我们可以重现您的结果 - 在这种情况下,拥有数据和用于生成basic.logit.model
的代码会很棒。
对于您的问题,apply.coef
仅转换您的系数,而不是结果显示的标准错误。 stargazer使用这些未转换的SE计算显着性水平,这导致非显着系数。
为避免这种情况,请使用p
参数为stargazer提供自定义p值(来自原始模型的p值)。
这应该对你有用
p.values <- list(summary(basic.logit.model)$coefficients[,4]
stargazer(basic.logit.model,
type="html",
apply.coef = OR,
p = p.values,
column.labels = c("Base"),
dep.var.labels.include = FALSE,
digits=2, out=("basic_model_only.htm"))
答案 1 :(得分:0)
在上述情况下,t统计信息也将是错误的:
相反,无需重新计算t-stats和p-values,注视星舰要简单得多:
stargazer(basic.logit.model, apply.coef = exp, t.auto=F, p.auto=F)
另外,请注意,除非进行调整,否则您的标准错误和置信区间将是错误的。
对于配置项,它非常简单:
stargazer(basic.logit.model, apply.coef = exp, apply.ci = exp, t.auto=F, p.auto=F, ci = T)
如果要报告标准错误,则不能使用apply.se = exp
选项。
有关如何操作,请参见以下帖子: Odds ratios instead of logits in stargazer() LaTeX output