我想使用stargazer()报告边际效应,而不是常规估计效应。
当估计边际效应时,结果被转换为矢量,如果它是glm/lm对象,我将无法以实用的方式和相同类型的信息进行报告。
以下是一个简单的示例:
library(dplyr)
library(stargazer)
#we create a toy data frame
pikachu <- data.frame(
employed=c(0,1,1,0,0,1,0,1,0,0,0,1,0,0,0,1,0,1,1,1,0,1,0,1,0),
highiq=c(1,0,1,1,1,1,0,1,1,1,1,1,1,1,0,1,0,0,0,1,0,0,0,1,0),
income=set.seed(6)%>%
c(rnorm(25,mean = 600,sd=400)))
#and run a probit regression
reg01 <- glm(employed ~ income + highiq,
family = binomial(link="probit"),
data = pikachu)
#next we estimate the marginal effects
ProbitScalar <- mean(dnorm(predict(reg01, type = "link")))
meffects <- ProbitScalar * coef(reg01)
#then we report the marg. effects
stargazer(meffects, type = "text")
我希望能够像通常的结果(glm类对象)一样表达边际效应。最好包括标准误和显著性。
#desired result's form:
stargazer(reg01, type = "text")
pikachu
中没有sex
变量。如果您想要您的示例可重现,请提供正确的数据框。 - Vitali Avagyanstargazer(margins::marginal_effects(reg01), type = "text", summary = T)
。虽然这不是你真正想要的,但它可以更快地计算边际效应并呈现一些摘要统计信息?! - Vitali Avagyan