R jupyter笔记本中具有聚集标准错误的回归表？答案

【问题标题】：Regression table with clustered standard errors in R jupyter notebook?R jupyter笔记本中具有聚集标准错误的回归表？
【发布时间】：2019-12-23 05:18:06
【问题描述】：

我在 R 中使用 export_summs 制作回归表，但是当我使用 coeftest 获得聚集标准错误时，该表不再正确地在这些列中报告 N 或 R^2。系数和标准误差看起来不错，只是缺少那些额外的统计数据。（我习惯在Stata中使用outreg2，这要简单得多。）

我尝试使用tidy_override()，如此处最后一个示例中所建议的那样 (https://hughjonesd.github.io/huxtable/huxreg.pdf)，没有任何变化。

# Reproducible example
datareg <- NULL
datareg$y <- rnorm(1000)
datareg$x <- rnorm(1000)
datareg$cluster_var <- rnorm(1000)
datareg <- data.frame(datareg)

reg0 <- lm(y ~ x
           , data = datareg)

reg1 <- coeftest(
            lm(y ~ x
           , data = datareg)
            , vcovCL, cluster = datareg$cluster_var)

export_summs(reg0, reg1,
   model.names = c("Basic", "Cluster SE"))

问题警告和输出：

【问题讨论】：

标签： r regression

【解决方案1】：

Huxtable 作者在这里。这是使用tidy_override的方法：

library(generics)
library(huxtable)
library(jtools)
library(lmtest)
library(sandwich)

datareg <- NULL
datareg$y <- rnorm(1000)
datareg$x <- rnorm(1000)
datareg$cluster_var <- rnorm(1000)
datareg <- data.frame(datareg)

reg0 <- lm(y ~ x, data = datareg)

reg1 <- coeftest(reg0, vcovCL, cluster = datareg$cluster_var)

reg1 <- tidy_override(reg1, glance = list(nobs = 1000L, r.squared = 0.000), 
      extend = TRUE) # extend = TRUE is important
export_summs(reg0, reg1, model.names = c("Basic", "Cluster SE"))

这给出了：

────────────────────────────────────────────────────
                       Basic          Cluster SE    
                 ───────────────────────────────────
  (Intercept)              -0.01            -0.01   
                           (0.03)           (0.03)  
  x                        -0.05            -0.05   
                           (0.03)           (0.03)  
                 ───────────────────────────────────
  N                      1000             1000      
  R2                        0.00             0.00   
────────────────────────────────────────────────────
  *** p < 0.001; ** p < 0.01; * p < 0.05.           

Column names: names, Basic, Cluster SE

这相当棘手，我感谢您的困难...因此我改进了huxreg 中的错误报告！

【讨论】：

【解决方案2】：

这是一个错误消息相当清楚的情况：broom 包没有用于coeftest 对象的glance 方法。这并非偶然——coeftest 对象的性质不允许broom 计算模型汇总统计。它保留了关于原始模型的非常少的信息：

> str(reg1)
 'coeftest' num [1:2, 1:4] 0.0483 0.0153 0.0329 0.0341 1.4668 ...
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:2] "(Intercept)" "x"
  ..$ : chr [1:4] "Estimate" "Std. Error" "t value" "Pr(>|t|)"
 - attr(*, "method")= chr "t test of coefficients"
 - attr(*, "df")= int 998

一种选择是使用estimatr 包中的lm_robust 函数。它返回具有鲁棒标准错误的对象，这些错误适用于glance 和tidy：

 reg2 <- estimatr::lm_robust(y ~ x
            , data = datareg)
 export_summs(reg0, reg2,
    model.names = c("Basic", "Cluster SE"), number_format = NA )


──────────────────────────────────────────────────────────────────
                         Basic                  Cluster SE        
              ────────────────────────────────────────────────────
  (Intercept)      0.0482678107925753        0.0482678107925755   
                  (0.032842483472098)       (0.0329070612421128)  
  x                0.0152928320138191        0.015292832013819    
                  (0.0333488383365212)      (0.034094868727288)   
              ────────────────────────────────────────────────────
  N             1000                      1000                    
  R2               0.000210664993144995      0.000210665          
──────────────────────────────────────────────────────────────────
  *** p < 0.001; ** p < 0.01; * p < 0.05.                         

Column names: names, Basic, Cluster SE

【讨论】：