Stargazer 中的指数 CI答案

【问题标题】：Exponentiating CI in StargazerStargazer 中的指数 CI
【发布时间】：2019-09-17 15:19:34
【问题描述】：

我正在尝试运行相当多的多项回归模型。 Stargazer 似乎是一个很棒的工具，可以在一个文档中报告所有结果以便于访问。但是，我注意到我得到了一些负置信区间，这是没有意义的。

我尝试单独使用apply.coef=exp，但我得到了负置信区间我还尝试使用 apply.coef=exp 和 apply.ci=exp 置信区间没有意义。

当我自己做apply.ci=exp 时，CI 是正确的，但它不会对系数求幂。

健康有3个等级（差、中、理想），差是参考 ETI 是连续的。

test1 <- multinom(Health ~ ETI, data = X)
test2 <- multinom(Health ~ ETI + age + male, data = X)
test3 <- multinom(Health ~ ETI + age + male +educ +married+employed+income, data = X)
test4 <- multinom(Health ~ ETI + age + male +educ +married+depression+employed+income, data = X)

第一个代码（仅限apply.coef）

stargazer(test1, test2, test3, test4, type="html", list(confint(test1, test2, test3, test4)),column.labels = c("Model1", "Model2", "Model3", "Model4"),column.separate = c(2,2,2,2), apply.coef=exp, out="X.htm")

我尝试的第二个代码（仅apply.ci）：

stargazer(test1, test2, test3, test4, type="html", apply.coef = exp  list(confint(test1, test2, test3, test4)),column.labels = c("Model1", "Model2", "Model3", "Model4"),column.separate = c(2,2,2,2), apply.ci=exp,apply.coef=exp, out="X.htm")

最后一个代码（apply.ci & apply.coef）：

stargazer(test1, test2, test3, test4, type="html", apply.coef = exp  list(confint(test1, test2, test3, test4)),column.labels = c("Model1", "Model2", "Model3", "Model4"),column.separate = c(2,2,2,2), apply.ci=exp,apply.coef=exp, out="X.htm")

对于第一个代码：

#        Ideal  Int 
#Model1 
#          (1)  (2) 
#ETI    0.453*  0.761***    
#(-0.051, 0.956)    (0.413, 1.109)

指数系数是正确的，但CI是错误的

对于第二个代码：

#           Ideal   Int 
#Model1 
#            (1)            (2) 
#ETI    -0.793***   -0.273  
#(0.273, 0.749)       (0.538, 1.078)

CI 正确且与cofint 匹配

对于第三个代码：

#       Ideal   Int 
#      Model1   
#       (1) (2) 
#ETI    0.453*  0.761***    
#(0.950, 2.602) (1.512, 3.033)

CI 是错误的，我认为它是双重指数化的

【问题讨论】：

1.负置信区间不一定是错误的。 2. 我宁愿使用texreg 而不是stargazer。 3. 如果你想坚持使用 stargazer，我会尝试在 summary(lm(x)) 级别上处理 CI，而不是尝试使用 stargazer 更改它们。

标签： r stargazer

【解决方案1】：

如果 texreg 也适合您，这里有一个示例如何在 CI 上运行 exp 并将它们用于回归表。由于您没有包含数据，因此我使用了birthwt。

library(MASS)
library(nnet)
library(stargazer)
example(birthwt)

test1 <- multinom(race ~ age + lwt + bwt,
                  data = birthwt)
summary(test1)
summary(test1)["standard.errors"]

ci.low <- c(confint(test1)[1:4], confint(test1)[9:12])
ci.up <-  c(confint(test1)[5:8], confint(test1)[13:16])
texreg::screenreg(test1,
                  ci.force = T,
                  override.ci.low = exp(ci.low),
                  override.ci.up = exp(ci.up)
                  )

【讨论】：

【解决方案2】：

另一种方法是使用gtsummary 包，这将允许您在一行代码中轻松地对模型求幂。您必须考虑种族因素才能使其发挥作用。

library(nnet)
library(MASS)
library(gtsummary)

test1 <- multinom(factor(race) ~ age + lwt + bwt,
                  data = birthwt) %>% 
  tbl_regression( exponentiate = TRUE)


test2 <- multinom(factor(race) ~ age + lwt + bwt,
                  data = birthwt)%>% 
  tbl_regression( exponentiate = TRUE)

【讨论】：