使用 rdrobust 的 3 个回归输出模型打印表格

Print tables with 3 regression output models from rdrobust

我有 运行 3 个 rdrobust 回归,我想打印一些值(不是所有值都在 table 中,这样每个模型都有一列,结果可以并排比较。

我尝试使用 stargazer 但没有成功,modelsummary 也是如此。

这是我的回归代码的样子:

model <- rdrobust::rdrobust(x, 
                            y,
                            c = cutoffvalue,
                            kernel = "tri", #default
                            bwselect = "mserd"

我只想在 table 中显示回归估计、值、带宽和内核。

这是我尝试过的方法,但它没有给我想要的值,而且它只适用于一种型号。我想让所有 3 个都在同一个 table.

tidy.rdrobust <- function(model, ...){
ret <- data.frame(term = row.names(model$coef), 
estimate = model$coef[, 1], 
std.error = model$se[, 1], 
p.value = model$pv[, 1])
    row.names(ret) <- NULL
ret
}

glance.rdrobust <- function(model, ...){
ret <- data.frame(nobs.left = model$N[1],
kernel = model$kernel,
bwselect = model$bwselect)
ret
}
x <- runif(1000, -1, 1)
y <- 5 + 3 * x + 2 * (x >= 0) + rnorm(1000)
fit <- rdrobust(y, x)
modelsummary(fit)

谢谢!

我在评论中要求澄清,但这是我在 table 中猜测您想要什么的最佳尝试:

  1. 多个模型并排
  2. 模型估计
  3. 括号中的 p 值低于估计值
  4. hte底部的内核类型table
  5. table
  6. 底部的带宽选择

为此,我只修改了您的glance.rdrobust方法,并使用了modelsummary函数的statistic参数。

rdrobust 个对象加载库和 define custom tidy and glance methods to extract information (see documentation)

library(rdrobust)
library(modelsummary)

tidy.rdrobust <- function(model, ...) {
  ret <- data.frame(
    term = row.names(model$coef),
    estimate = model$coef[, 1],
    std.error = model$se[, 1],
    p.value = model$pv[, 1]
  )
  row.names(ret) <- NULL
  ret
}

glance.rdrobust <- function(model, ...) {
  ret <- data.frame(
    Kernel = model$kernel,
    Bandwidth = model$bwselect
  )
  ret
}

模拟数据,估计3个模型,并将它们存储在一个列表中:

x1 <- runif(1000, -1, 1)
x2 <- runif(1000, -1, 1)
x3 <- runif(1000, -1, 1)
y1 <- 5 + 3 * x1 + 2 * (x1 >= 0) + rnorm(1000)
y2 <- 5 + 3 * x2 + 2 * (x2 >= 0) + rnorm(1000)
y3 <- 5 + 3 * x3 + 2 * (x3 >= 0) + rnorm(1000)

fit1 <- rdrobust(y1, x1)
fit2 <- rdrobust(y2, x2)
fit3 <- rdrobust(y3, x3)
models <- list(fit1, fit2, fit3)

创建 table:

modelsummary(models, statistic = "p.value")
Model 1 Model 2 Model 3
Conventional 2.155 2.085 2.050
(0.000) (0.000) (0.000)
Bias-Corrected 2.110 2.110 1.984
(0.000) (0.000) (0.000)
Robust 2.110 2.110 1.984
(0.000) (0.000) (0.000)
Bandwidth mserd mserd mserd
Kernel Triangular Triangular Triangular