根据重要性绘制系数

Question

我尝试将 DiD 模型的每个 variable/combination 的重要性可视化。

attach(mtcars)
M=lm(mpg ~ hp + wt * gear , data =mtcars)
summary(M)

coef(M)
confint(M, level = 0.9)

因此我想创建一个条形图以按排序顺序列出（最）重要的系数。 summary(M) 命令列出系数和相应的重要性代码。每个具有高重要性代码 (***) 的系数应该首先被监听，然后是 **，然后是 *。不应包含点和 ''。

所以，首先，我如何才能得到每个系数对应的显着性codes/values。我如何 include/exclude 取决于重要性的系数？

Answer 1

在回答这个问题之前，我想质疑它的部分前提。我认为最好 而不是 根据效果是落在传统阈值的一侧还是另一侧来二分（三分）效果——如果你真的需要这样做，我会建议着色（如下图）。拜托，拜托，请不要 suppose that the difference between 'significant' and 'not significant' is statistically significant ...

## never attach if you can help it! attach(mtcars)
M <- lm(mpg ~ hp + wt * gear , data=mtcars)

coef(summary(M)) 提取系数 table，这就是我们要处理的。为了方便起见，我们也将重新排列：

efftab <- function(model) {
     ss <- coef(summary(model))
     ss <- data.frame(var=rownames(ss),ss,
          stringsAsFactors=FALSE)  ## add variable names
     rownames(ss) <- NULL ## cosmetic
     ss <-  ss[-1,]  ## generally makes sense to drop the intercept
     names(ss)[5] <- "pval"    ## rename
     ## p-value categories
     ss$pval_cat <- cut(ss$pval,c(0,0.001,0.01,0.05,0.1,1),
                labels=c("***","**","*",".","_"))
     ss <- ss[order(ss$pval),]  ## order by p-value
     ss
}

试试看：

print(ss <- efftab(M),digits=3)
##       var Estimate Std..Error t.value    pval pval_cat
## 2      hp  -0.0335    0.00962  -3.486 0.00169       **
## 4    gear   5.3656    2.44437   2.195 0.03693        *
## 5 wt:gear  -1.4791    0.78439  -1.886 0.07013        .
## 3      wt   1.7814    2.76202   0.645 0.52439        _


library("plotrix")
colvec <- c("red","orange","blue","gray","white")

par(las=1,bty="l")
with(ss,plotCI(1:4,Estimate,1.96*Std..Error,pch=23,cex=3,
       pt.bg=colvec[pval_cat],axes=FALSE,xlab="",ylab="estimate"))
axis(side=2)
axis(side=1,at=1:4,ss$var)
abline(h=0,lty=2)

然而，如果我们对变量进行标准化（参见 Schielzeth 2010 生态学与进化方法），这将更有意义，因此系数大小的差异实际上代表了效果的差异，而不是效应大小和变量测量单位之间的混淆：

scdat <- mtcars
vars <- c("mpg","hp","wt","gear")
scdat[vars] <- scale(as.matrix(scdat[vars]),center=FALSE)
M2 <- update(M,data=scdat)
ss2 <- efftab(M2)
with(ss2,plotCI(1:4,Estimate,1.96*Std..Error,pch=23,cex=3,
       pt.bg=colvec[pval_cat],axes=FALSE,xlab="",ylab="estimate"))
axis(side=2)
axis(side=1,at=1:4,ss$var)
abline(h=0,lty=2)

例如，

wt:gear 交互对 mpg 的影响与 gear 大致相同（尽管您确实需要小心比较交互项与主效应——另一个潜在的蠕虫），即使gear 的 p<0.05 和 wt:gear.
hp 对 mpg 的影响最小（或者可能与 wt 的 not-nearly-significant 影响相关），即使它有最小的 p-value.

根据重要性绘制系数

Plot coefficients depending on their significance

r

linear-regression