Question

我正在使用texreg来生成回归输出表。我想将AIC，BIC和HQIC等统计信息作为适合度统计信息。

下面的可复制示例

library(texreg)
library(tidyverse)
mtcars
model1 <- lm(mpg ~ disp, data = mtcars)
model2 <- lm(mpg ~ disp + hp, data = mtcars)
screenreg(list(model1, model2))

给我这个：

=================================
             Model 1    Model 2  
---------------------------------
(Intercept)  29.60 ***  30.74 ***
             (1.23)     (1.33)   
disp         -0.04 ***  -0.03 ***
             (0.00)     (0.01)   
hp                      -0.02    
                        (0.01)   
---------------------------------
R^2           0.72       0.75    
Adj. R^2      0.71       0.73    
Num. obs.    32         32       
RMSE          3.25       3.13    
=================================
*** p < 0.001, ** p < 0.01, * p < 0.05

这很棒，但是除了R ^ 2，RMSE等，我还要AIC，BIC和HQIC（如果可能）。

编辑：

在回答下面的评论时，确实答案不一定来自texreg，但是我正在寻找一个答案，该答案可以生成某种格式的html表，看起来可以提交给学术界日志，例如stargazer，texreg，sjPlot。

Answer 1

AIC和BIC基于最大化的对数可能性。 lm函数使用普通的最小二乘而不是最大似然估计。因此，没有可能性，也没有AIC或BIC。但是，要获得AIC和BIC，您可以使用glm函数和高斯链接函数来估计模型，在这种情况下，默认情况下您将获得AIC和BIC：

library("texreg")
model1 <- glm(mpg ~ disp, data = mtcars, family = "gaussian")
model2 <- glm(mpg ~ disp + hp, data = mtcars, family = "gaussian")
screenreg(list(model1, model2))

结果：

======================================
                Model 1     Model 2   
--------------------------------------
(Intercept)      29.60 ***   30.74 ***
                 (1.23)      (1.33)   
disp             -0.04 ***   -0.03 ***
                 (0.00)      (0.01)   
hp                           -0.02    
                             (0.01)   
--------------------------------------
AIC             170.21      168.62    
BIC             174.61      174.48    
Log Likelihood  -82.10      -80.31    
Deviance        317.16      283.49    
Num. obs.        32          32       
======================================
*** p < 0.001; ** p < 0.01; * p < 0.05

通过使用screenreg自变量include.loglik = FALSE，include.deviance = FALSE等，可以消除GOF块中的对数似然，偏差等。

使用`texreg`显示AIC，BIC GOF统计信息

1 个答案: