问题描述
我正在使用我发现的这种奇妙的方法对子组(年份和组的所有组合)进行一系列回归 here。
year <- rep(2014:2015,length.out = 10000)
group <- sample(c(0,1,2,3,4,5,6),replace=TRUE,size=10000)
value <- sample(10000,replace = T)
female <- sample(c(0,1),size=10000)
smoker <- sample(c(0,size=10000)
dta <- data.frame(year = year,group = group,value = value,female=female,smoker = smoker)
library(dplyr)
library(broom)
library(stargazer)
table <- dta %>%
group_by(year,group) %>%
do(tidy(lm(smoker ~ female,data = .))) %>%
ungroup()
这给了我一个表格,其中包含年份和组的所有可能组合作为单独的模型估计。我的问题是我想使用 stargazer 将这些回归输出作为单独的模型呈现。但是观星者不会将它们识别为回归输出。
stargazer(table,type = "text")
我得到的不是通常的回归输出:
==================================================
Statistic N Mean St. Dev. Min Pctl(25) Pctl(75) Max
===================================================
有没有一种巧妙的方法可以让 Stargazer 以一种它能够识别的方式提供所有回归输出?
解决方法
尝试使用 tidy_split
中的 dplyr
函数将基于组的数据帧拆分为数据帧列表。获得该列表后,您可以使用 lapply
将函数应用于列表中的每个项目。如下所示,首先在列表中的每个数据帧上拟合一个 lm
,然后生成 stargazer
输出。
# create list of dfs
table_list <- dta %>%
group_by(year,group) %>%
group_split()
# apply the model to each df and produce stargazer result
model_list <- lapply(table_list,function(x) lm(smoker ~ female,data = x))
stargaze_list <- lapply(model_list,stargazer,type = "text")