如何在R中使用stargazer为回归模型添加标题?
要使用stargazer为回归模型添加标题,我们可以在stargazer函数内使用title参数。
例如,如果我们有一个名为Reg_Model的模型,输出为文本,则可以使用以下命令为该模型添加标题:
stargazer(Reg_Model,type="text",title="Regression Model between x and y")
示例1
以下代码片段创建了一个示例数据框:
x<-rnorm(20) y<-rnorm(20) df<-data.frame(x,y) df
输出
创建了以下数据框:
x y 1 0.80296200 1.1413965 2 0.05853869 -1.1227868 3 1.79348142 -0.7212954 4 0.64830308 0.2956645 5 0.28551170 -1.0645189 6 0.50265553 0.9082304 7 0.25883301 0.6513258 8 -0.28277606 0.5892909 9 -1.96142707 0.8310168 10 1.29804865 -0.7780162 11 -0.53807406 0.7256280 12 -0.01142374 0.3550352 13 0.61684358 0.5681672 14 -0.03707776 0.7279025 15 0.14411337 0.7942300 16 0.95380409 0.2789388 17 0.32599974 1.2477048 18 -0.80785235 0.3246518 19 -0.77913184 -0.5227336 20 0.11869989 0.4344650
要在x和y之间创建回归模型,请将以下代码添加到上面的代码片段中:
Model<-lm(y~x,data=df) summary(Model)
输出
如果您将上面给出的所有代码片段作为一个程序执行,它将生成以下输出:
Call: lm(formula = y ~ x, data = df) Residuals: Min 1Q Median 3Q Max -1.4303 -0.2917 0.1538 0.3906 0.9988 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.3204 0.1645 1.947 0.0673 . x -0.2191 0.2019 -1.085 0.2921 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.7196 on 18 degrees of freedom Multiple R-squared: 0.06142, Adjusted R-squared: 0.009276 F-statistic: 1.178 on 1 and 18 DF, p-value: 0.2921
要使用stargazer获取模型输出,请将以下代码添加到上面的代码片段中:
library(stargazer) stargazer(Model,type="text")
输出
如果您将上面给出的所有代码片段作为一个程序执行,它将生成以下输出:
=============================================== Dependent variable: --------------------------- y ----------------------------------------------- x -0.219 (0.202) Constant 0.320* (0.165) ----------------------------------------------- Observations 20 R2 0.061 Adjusted R2 0.009 Residual Std. Error 0.720 (df = 18) F Statistic 1.178 (df = 1; 18) =============================================== Note: *p<0.1; **p<0.05; ***p<0.01
要使用stargazer获取带有标题的模型输出,请将以下代码添加到上面的代码片段中:
stargazer(Model,type="text",title="Regression Model between x and y")
输出
如果您将上面给出的所有代码片段作为一个程序执行,它将生成以下输出:
Regression Model between x and y =============================================== Dependent variable: --------------------------- y ----------------------------------------------- x -0.219 (0.202) Constant 0.320* (0.165) ----------------------------------------------- Observations 20 R2 0.061 Adjusted R2 0.009 Residual Std. Error 0.720 (df = 18) F Statistic 1.178 (df = 1; 18) =============================================== Note: *p<0.1; **p<0.05; ***p<0.01
示例2
以下代码片段创建了一个示例数据框:
Height<-sample(135:180,20) Weight<-sample(38:80,20) dat<-data.frame(Height,Weight) dat
输出
创建了以下数据框:
Height Weight 1 172 56 2 149 49 3 163 76 4 135 73 5 138 75 6 168 54 7 169 45 8 165 63 9 178 79 10 159 55 11 150 47 12 171 65 13 147 53 14 173 39 15 162 57 16 144 46 17 136 40 18 156 43 19 142 42 20 151 78
将以下代码添加到上面的代码片段中:
Mod<-lm(Height~Weight,data=dat) summary(Mod)
输出
如果您将上面给出的所有代码片段作为一个程序执行,它将生成以下输出:
Call: lm(formula = Height ~ Weight, data = dat) Residuals: Min 1Q Median 3Q Max -23.007 -9.606 1.867 12.345 19.399 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 150.78696 13.61725 11.073 1.82e-09 *** Weight 0.09891 0.23376 0.423 0.677 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 13.75 on 18 degrees of freedom Multiple R-squared: 0.009848, Adjusted R-squared: -0.04516 F-statistic: 0.179 on 1 and 18 DF, p-value: 0.6772
将以下代码添加到上面的代码片段中:
stargazer(Mod,type="text",title="Regression Model between Height and Weight")
输出
如果您将上面给出的所有代码片段作为一个程序执行,它将生成以下输出:
Regression Model between Height and Weight =============================================== Dependent variable: --------------------------- Height ----------------------------------------------- Weight 0.099 (0.234) Constant 150.787*** (13.617) ----------------------------------------------- Observations 20 R2 0.010 Adjusted R2 -0.045 Residual Std. Error 13.746 (df = 18) F Statistic 0.179 (df = 1; 18) =============================================== Note: *p<0.1; **p<0.05; ***p<0.01
广告
数据结构
网络
关系数据库管理系统(RDBMS)
操作系统
Java
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP