使用stargazer()函数报告回归边际效应

Question

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")

- Flower

---

在 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 Avagyan

谢谢，Vitali！现在应该可以工作了。 - Flower

也许你可以使用stargazer(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

虽然这不是答案，但肯定会有所帮助。顺便问一下，@VitaliAvagyan，有没有办法从这种报告中删除百分比统计数据？ - Flower

也许可以在stargazer(..., summary.stat = ...)中进行更改？ - Vitali Avagyan

（...，omit.summary.stat = ...）完美运行。 - Flower

Answer 1

据我所知，使用stargazer()无法实现此功能，但使用modelsummary和marginaleffects包非常容易实现（免责声明：我是作者）。

• https://vincentarelbundock.github.io/modelsummary/
• https://vincentarelbundock.github.io/marginaleffects/

library(marginaleffects)
library(modelsummary)

set.seed(6)
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 = c(rnorm(25, mean = 600, sd = 400)))

reg01 <- glm(employed ~ income + highiq,
             family = binomial(link="probit"),
             data = pikachu)

mfx <- marginaleffects(reg01)

modelsummary(mfx)

	模型1
高智商	0.130
	(0.197)
收入	0.000
	(0.000)
观测数	25
AIC	38.3
BIC	42.0
对数似然	-16.167
F值	0.943
均方根误差	1.21

- Vincent