使用 `texreg` 显示 AIC,BIC gof stats
Use `texreg` to display AIC, BIC gof stats
我正在使用 texreg
生成回归输出表。我想包括 AIC、BIC 和 HQIC 等统计数据作为拟合优度统计数据。
下面的可复制示例
library(texreg)
library(tidyverse)
mtcars
model1 <- lm(mpg ~ disp, data = mtcars)
model2 <- lm(mpg ~ disp + hp, data = mtcars)
screenreg(list(model1, model2))
给我这个:
=================================
Model 1 Model 2
---------------------------------
(Intercept) 29.60 *** 30.74 ***
(1.23) (1.33)
disp -0.04 *** -0.03 ***
(0.00) (0.01)
hp -0.02
(0.01)
---------------------------------
R^2 0.72 0.75
Adj. R^2 0.71 0.73
Num. obs. 32 32
RMSE 3.25 3.13
=================================
*** p < 0.001, ** p < 0.01, * p < 0.05
太棒了,但除了 R^2、RMSE 等,我还想要 AIC、BIC,如果可能的话还有 HQIC。
编辑:
在回答下面的评论时,答案确实不需要来自 texreg
,但我正在寻找一个可以生成那种格式化 html 表格的答案准备好提交给学术期刊,例如 stargazer
、texreg
、sjPlot
.
AIC 和 BIC 基于最大化对数似然。 lm
函数使用普通最小二乘法而不是最大似然估计。因此,没有可能性,也没有 AIC 或 BIC。但是,要获得 AIC 和 BIC,您可以使用 glm
函数和高斯 link 函数估计模型,在这种情况下,您默认获得 AIC 和 BIC:
library("texreg")
model1 <- glm(mpg ~ disp, data = mtcars, family = "gaussian")
model2 <- glm(mpg ~ disp + hp, data = mtcars, family = "gaussian")
screenreg(list(model1, model2))
结果:
======================================
Model 1 Model 2
--------------------------------------
(Intercept) 29.60 *** 30.74 ***
(1.23) (1.33)
disp -0.04 *** -0.03 ***
(0.00) (0.01)
hp -0.02
(0.01)
--------------------------------------
AIC 170.21 168.62
BIC 174.61 174.48
Log Likelihood -82.10 -80.31
Deviance 317.16 283.49
Num. obs. 32 32
======================================
*** p < 0.001; ** p < 0.01; * p < 0.05
您可以通过使用 screenreg
参数 include.loglik = FALSE
、include.deviance = FALSE
等来消除 GOF 块中的对数似然、偏差等。
我正在使用 texreg
生成回归输出表。我想包括 AIC、BIC 和 HQIC 等统计数据作为拟合优度统计数据。
下面的可复制示例
library(texreg)
library(tidyverse)
mtcars
model1 <- lm(mpg ~ disp, data = mtcars)
model2 <- lm(mpg ~ disp + hp, data = mtcars)
screenreg(list(model1, model2))
给我这个:
=================================
Model 1 Model 2
---------------------------------
(Intercept) 29.60 *** 30.74 ***
(1.23) (1.33)
disp -0.04 *** -0.03 ***
(0.00) (0.01)
hp -0.02
(0.01)
---------------------------------
R^2 0.72 0.75
Adj. R^2 0.71 0.73
Num. obs. 32 32
RMSE 3.25 3.13
=================================
*** p < 0.001, ** p < 0.01, * p < 0.05
太棒了,但除了 R^2、RMSE 等,我还想要 AIC、BIC,如果可能的话还有 HQIC。
编辑:
在回答下面的评论时,答案确实不需要来自 texreg
,但我正在寻找一个可以生成那种格式化 html 表格的答案准备好提交给学术期刊,例如 stargazer
、texreg
、sjPlot
.
AIC 和 BIC 基于最大化对数似然。 lm
函数使用普通最小二乘法而不是最大似然估计。因此,没有可能性,也没有 AIC 或 BIC。但是,要获得 AIC 和 BIC,您可以使用 glm
函数和高斯 link 函数估计模型,在这种情况下,您默认获得 AIC 和 BIC:
library("texreg")
model1 <- glm(mpg ~ disp, data = mtcars, family = "gaussian")
model2 <- glm(mpg ~ disp + hp, data = mtcars, family = "gaussian")
screenreg(list(model1, model2))
结果:
======================================
Model 1 Model 2
--------------------------------------
(Intercept) 29.60 *** 30.74 ***
(1.23) (1.33)
disp -0.04 *** -0.03 ***
(0.00) (0.01)
hp -0.02
(0.01)
--------------------------------------
AIC 170.21 168.62
BIC 174.61 174.48
Log Likelihood -82.10 -80.31
Deviance 317.16 283.49
Num. obs. 32 32
======================================
*** p < 0.001; ** p < 0.01; * p < 0.05
您可以通过使用 screenreg
参数 include.loglik = FALSE
、include.deviance = FALSE
等来消除 GOF 块中的对数似然、偏差等。