在观星者中包括标准化系数 table

Including standardized coefficients in a stargazer table

我有一系列线性模型,我想报告每个模型的标准化系数。然而,当我在 stargazer 中打印模型时,看起来 stargazer 会自动为标准化系数打印重要的星星,就好像它们是非标准化系数一样。您可以在下面看到差异是如何出现的。

根据非标准化值打印重要性星在统计上是否错误?这在观星者中是如何完成的?谢谢!

#load libraries
library(stargazer)
library(lm.beta)
#fake data
var1<-rnorm(100, mean=10, sd=5)
var2<-rnorm(100, mean=5, sd=2)
var3<-rnorm(100, mean=2, sd=3)
var4<-rnorm(100, mean=5, sd=1)
df<-data.frame(var1, var2, var3, var4)
#model with unstandardized betas
model1<-lm(var1~var2+var3+var4, data=df)
#Standardized betas
model1.beta<-lm.beta(model1)
#print
stargazer(model1, model1.beta, type='text')

Stargazer 不会自动知道它应该在第二个模型中寻找标准化系数。 lm.beta 只需将标准化系数添加到 lm.object。所以它仍然是一个 lm.object,所以它像往常一样提取系数(来自 model1.beta$coefficients。使用 coef = 参数指定您要使用的特定系数:coef = list(model1$coefficients, model1.beta$standardized.coefficients)

> stargazer(model1, model1.beta, 
            coef = list(model1$coefficients, 
            model1.beta$standardized.coefficients),
            type='text')

==========================================================
                                  Dependent variable:     
                              ----------------------------
                                          var1            
                                   (1)            (2)     
----------------------------------------------------------
var2                              0.135          0.048    
                                 (0.296)        (0.296)   

var3                              -0.088        -0.044    
                                 (0.205)        (0.205)   

var4                              -0.190        -0.030    
                                 (0.667)        (0.667)   

Constant                         10.195**        0.000    
                                 (4.082)        (4.082)   

----------------------------------------------------------
Observations                       100            100     
R2                                0.006          0.006    
Adjusted R2                       -0.025        -0.025    
Residual Std. Error (df = 96)     5.748          5.748    
F Statistic (df = 3; 96)          0.205          0.205    
==========================================================
Note:                          *p<0.1; **p<0.05; ***p<0.01