使用stargazer从线性模型拟合输出Latex代码

Question

我需要使用线性模型进行双向聚类，但是statsmodels中的实现不够完善。我想知道是否可以使用stargazer Python库与linearmodels包一起使用，而不是与statsmodels一起使用。但当我将来自于linearmodels包的模型插入时，它会抛出一个错误：请使用已训练好的OLS模型作为输入。

示例：

from linearmodels.panel import PanelOLS
import pandas as pd 
df.set_index(['entity', 'time'], inplace = True)
X = df[["Exog1","Exog2","Exog3"]]
y = df["Dep"]
model = PanelOLS(y, X, entity_effects=True, time_effects=True).fit(cov_type='clustered', cluster_entity=True, cluster_time=True)   
print(model)

这个将模型按预期输出了。但是当我将其插入到stargazer中时，它会抛出以下错误

stargazer = Stargazer([model])

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-149-75027b8621a2> in <module>
----> 1 stargazer = Stargazer([model])

~\AppData\Local\Continuum\anaconda3\lib\site-packages\stargazer\stargazer.py in __init__(self, models)
     29         self.models = models
     30         self.num_models = len(models)
---> 31         self.extract_data()
     32         self.reset_params()
     33 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\stargazer\stargazer.py in extract_data(self)
     91         be modified by any rendering parameters.
     92         """
---> 93         self.validate_input()
     94         self.model_data = []
     95         for m in self.models:

~\AppData\Local\Continuum\anaconda3\lib\site-packages\stargazer\stargazer.py in validate_input(self)
     43         for m in self.models:
     44             if not isinstance(m, RegressionResultsWrapper):
---> 45                 raise ValueError('Please use trained OLS models as inputs')
     46             targets.append(m.model.endog_names)
     47 

ValueError: Please use trained OLS models as inputs

我知道stargazer可能不支持线性模型，但也许有一种解决方法，可以让我在Latex中获得线性模型的模型输出？

- LORDER

---

暂不支持：https://github.com/mwburke/stargazer/issues/26 - Max Ghenis

请在以后的问题中提供一个可重现的示例。 - Max Ghenis

Answer 1

截至2021年11月，stargazer仍不支持线性模型。

但是，您可以使用以下代码将摘要输出为latex：

# Declare model
model = PanelOLS(y, X, entity_effects=True, time_effect=True)

# Fit model
res = model.fit(cov_type='clustered', cluster_entity=True, cluster_time=True)

# Print as latex
print(res.summary.as_latex())

- Arturo Sbr