从 MuMIn 中提取平均模型用于乳胶输出
Extract average model from MuMIn for latex output
我正在尝试从 MuMIn 中提取两个不同的平均模型，以通过 texreg 或 stargazer 输出到乳胶。我想要一个 table，我可以在其中比较两个物种对不同组非生物变量的反应，它看起来与使用
从两个模型对象创建的相同
glmtable <- texreg(list(m1, m2).
以上代码适用于 glm 对象，但不适用于 MuMIn 中创建的平均模型对象。
我尝试按照 https://sites.google.com/site/rforfishandwildlifegrads/home/mumin_usage_examples 中的示例来输出可以输出到乳胶的文本 table。
这是一个使用水泥数据的可重现示例：
library(MuMIn)
data(cement)
# full model
fm1 <- lm(y ~ ., data = Cement, na.action = na.fail)
# create and examine candidate models
(ms1 <- dredge(fm1))
# average models with delta AICc <5, include adjusted SE
MA.ests<-model.avg(ms1, subset= delta < 5, revised.var = TRUE)
这很好用。但是当我打电话给
MA.ests$avg.model
我得到 >NULL。
是否已弃用 avg.model？还是有另一种方法可以做到这一点？
我可以使用这三个调用中的任何一个来解决问题，但它们并不是我想要的。
coefTable(MA.ests)
coef(MA.ests)
modavg.table <- as.data.frame(summary(MA.ests)$coefmat)
（也就是说，我不知道如何在没有更多代码的情况下将这些对象放入乳胶中。）
提前感谢您的任何建议。
texreg 包的 latest version 1.34.3 同时支持 model.selection 和 averaging 对象。
您的代码示例：
library("texreg")
library("MuMIn")
data(cement)
fm1 <- lm(y ~ ., data = Cement, na.action = na.fail)
ms1 <- dredge(fm1)
screenreg(ms1)
产量：
==========================================================================================================================================================================================================
Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 Model 13 Model 14 Model 15 Model 16
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
(Intercept) 52.58 *** 71.65 *** 48.19 *** 103.10 *** 111.68 *** 203.64 *** 62.41 131.28 *** 72.07 *** 117.57 *** 57.42 *** 94.16 81.48 *** 72.35 *** 110.20 *** 95.42 ***
(2.29) (14.14) (3.91) (2.12) (4.56) (20.65) (70.07) (3.27) (7.38) (5.26) (8.49) (56.63) (4.93) (17.05) (7.95) (4.17)
X1 1.47 *** 1.45 *** 1.70 *** 1.44 *** 1.05 *** 1.55 * 1.87 *** 2.31 *
(0.12) (0.12) (0.20) (0.14) (0.22) (0.74) (0.53) (0.96)
X2 0.66 *** 0.42 * 0.66 *** -0.92 *** 0.51 0.73 *** 0.79 *** 0.31
(0.05) (0.19) (0.04) (0.26) (0.72) (0.12) (0.17) (0.75)
X4 -0.24 -0.61 *** -0.64 *** -1.56 *** -0.14 -0.72 *** -0.74 *** -0.46
(0.17) (0.05) (0.04) (0.24) (0.71) (0.07) (0.15) (0.70)
X3 0.25 -0.41 * -1.45 *** 0.10 -1.20 *** -1.01 *** 0.49 -1.26 *
(0.18) (0.20) (0.15) (0.75) (0.19) (0.29) (0.88) (0.60)
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Log Likelihood -28.16 -26.93 -26.95 -29.82 -27.31 -29.73 -26.92 -35.37 -40.96 -45.87 -46.04 -45.76 -48.21 -48.00 -50.98 -53.17
AICc 69.31 72.44 72.48 72.63 73.19 78.04 79.84 83.74 94.93 100.41 100.74 104.52 105.08 109.01 110.63 111.54
Delta 0.00 3.13 3.16 3.32 3.88 8.73 10.52 14.43 25.62 31.10 31.42 35.21 35.77 39.70 41.31 42.22
Weight 0.57 0.12 0.12 0.11 0.08 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Num. obs. 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13
==========================================================================================================================================================================================================
*** p < 0.001, ** p < 0.01, * p < 0.05
和模型平均：
MA.ests <- model.avg(ms1, subset = delta < 5, revised.var = TRUE)
screenreg(MA.ests)
产量：
=======================
Model 1
-----------------------
(Intercept) 64.69 **
(22.24)
X1 1.46 ***
(0.20)
X2 0.63 ***
(0.12)
X4 -0.48 *
(0.22)
X3 -0.02
(0.38)
-----------------------
Num. obs. 13
=======================
*** p < 0.001, ** p < 0.01, * p < 0.05
有关微调，另请参阅帮助页面上两个 extract 方法的参数：?extract
如果您不需要依赖项，您可以直接从摘要对象中获取 p 值：
summary(averagingobject)$coefmat.full
summary(averagingobject)$coefmat.subset
我正在尝试从 MuMIn 中提取两个不同的平均模型，以通过 texreg 或 stargazer 输出到乳胶。我想要一个 table，我可以在其中比较两个物种对不同组非生物变量的反应，它看起来与使用
glmtable <- texreg(list(m1, m2).
以上代码适用于 glm 对象，但不适用于 MuMIn 中创建的平均模型对象。
我尝试按照 https://sites.google.com/site/rforfishandwildlifegrads/home/mumin_usage_examples 中的示例来输出可以输出到乳胶的文本 table。
这是一个使用水泥数据的可重现示例：
library(MuMIn)
data(cement)
# full model
fm1 <- lm(y ~ ., data = Cement, na.action = na.fail)
# create and examine candidate models
(ms1 <- dredge(fm1))
# average models with delta AICc <5, include adjusted SE
MA.ests<-model.avg(ms1, subset= delta < 5, revised.var = TRUE)
这很好用。但是当我打电话给
MA.ests$avg.model
我得到 >NULL。
是否已弃用 avg.model？还是有另一种方法可以做到这一点？
我可以使用这三个调用中的任何一个来解决问题，但它们并不是我想要的。
coefTable(MA.ests)
coef(MA.ests)
modavg.table <- as.data.frame(summary(MA.ests)$coefmat)
（也就是说，我不知道如何在没有更多代码的情况下将这些对象放入乳胶中。）
提前感谢您的任何建议。
texreg 包的 latest version 1.34.3 同时支持 model.selection 和 averaging 对象。
您的代码示例：
library("texreg")
library("MuMIn")
data(cement)
fm1 <- lm(y ~ ., data = Cement, na.action = na.fail)
ms1 <- dredge(fm1)
screenreg(ms1)
产量：
==========================================================================================================================================================================================================
Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 Model 10 Model 11 Model 12 Model 13 Model 14 Model 15 Model 16
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
(Intercept) 52.58 *** 71.65 *** 48.19 *** 103.10 *** 111.68 *** 203.64 *** 62.41 131.28 *** 72.07 *** 117.57 *** 57.42 *** 94.16 81.48 *** 72.35 *** 110.20 *** 95.42 ***
(2.29) (14.14) (3.91) (2.12) (4.56) (20.65) (70.07) (3.27) (7.38) (5.26) (8.49) (56.63) (4.93) (17.05) (7.95) (4.17)
X1 1.47 *** 1.45 *** 1.70 *** 1.44 *** 1.05 *** 1.55 * 1.87 *** 2.31 *
(0.12) (0.12) (0.20) (0.14) (0.22) (0.74) (0.53) (0.96)
X2 0.66 *** 0.42 * 0.66 *** -0.92 *** 0.51 0.73 *** 0.79 *** 0.31
(0.05) (0.19) (0.04) (0.26) (0.72) (0.12) (0.17) (0.75)
X4 -0.24 -0.61 *** -0.64 *** -1.56 *** -0.14 -0.72 *** -0.74 *** -0.46
(0.17) (0.05) (0.04) (0.24) (0.71) (0.07) (0.15) (0.70)
X3 0.25 -0.41 * -1.45 *** 0.10 -1.20 *** -1.01 *** 0.49 -1.26 *
(0.18) (0.20) (0.15) (0.75) (0.19) (0.29) (0.88) (0.60)
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Log Likelihood -28.16 -26.93 -26.95 -29.82 -27.31 -29.73 -26.92 -35.37 -40.96 -45.87 -46.04 -45.76 -48.21 -48.00 -50.98 -53.17
AICc 69.31 72.44 72.48 72.63 73.19 78.04 79.84 83.74 94.93 100.41 100.74 104.52 105.08 109.01 110.63 111.54
Delta 0.00 3.13 3.16 3.32 3.88 8.73 10.52 14.43 25.62 31.10 31.42 35.21 35.77 39.70 41.31 42.22
Weight 0.57 0.12 0.12 0.11 0.08 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Num. obs. 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13
==========================================================================================================================================================================================================
*** p < 0.001, ** p < 0.01, * p < 0.05
和模型平均：
MA.ests <- model.avg(ms1, subset = delta < 5, revised.var = TRUE)
screenreg(MA.ests)
产量：
=======================
Model 1
-----------------------
(Intercept) 64.69 **
(22.24)
X1 1.46 ***
(0.20)
X2 0.63 ***
(0.12)
X4 -0.48 *
(0.22)
X3 -0.02
(0.38)
-----------------------
Num. obs. 13
=======================
*** p < 0.001, ** p < 0.01, * p < 0.05
有关微调，另请参阅帮助页面上两个 extract 方法的参数：?extract
如果您不需要依赖项，您可以直接从摘要对象中获取 p 值：
summary(averagingobject)$coefmat.full
summary(averagingobject)$coefmat.subset