【发布时间】：2021-04-22 10:20:01
【问题描述】：
我使用 purrr 包为两个不同的模型运行回归模型。第一个模型是"sales + cpi"，第二个模型是“sales + ndi"。两个模型的因变量是价格。下面的代码显示了我如何在三个不同区域运行这两个模型的回归。
我的问题是如何添加coeftest() 作为循环的第二步。这意味着我将为三个区域的每个回归添加coeftest()。我将在第二步中展示如何为一个模型执行此操作。
我尝试使用map2() 将coeftest() 包含在purrr package 中，但我无法将它集成到循环函数中。有人可以帮忙吗？
在下面的第一步中，我将展示如何跨区域运行多重回归：
library(plm)
library(lmtest)
library(broom)
library(purrr)
library(dplyr)
data(Cigar)
Cigar$region = rbinom(n=1380, size=3, prob=0.5)
Cigar$region = as.factor(Cigar$region)
model_by_region= Cigar %>%
ungroup() %>%
nest_by(region) %>%
mutate(model = list(map(c
( "sales + cpi",
"sales+ ndi"), ~
cbind(model = .x, tidy(plm(formula(paste0("price ~ ", .x)),
index=c("state", "year"), model="within", data = data), conf.int=TRUE)))))
在第二步中，我将展示如何为一个模型运行 coeftest()：
model<- plm(price ~ sales + cpi, index=c("state", "year"), model = 'within',
data = Cigar)
#Extract the robust standard errors
plot_coeftest = tidy(coeftest(model))
【问题讨论】：
-
不确定是否将问题理解为
tidy(model) == tidy(coeftest(model))，您可以在上面的最后一个示例中进行测试。您能否详细说明您的目标？ -
在第一步中，我运行了 4 个不同的回归模型——每个回归模型都是按区域进行的。您可以在
model_by_region中查看它们。我的目标是使用coeftest()函数为第一步中的 4 个回归中的每一个添加稳健的标准误差。在第二步中，我将展示如何为一个模型执行此操作，但我的目标是在四个区域中自动包含coeftest() -
查看我作为答案发布的扩展评论。如果我误解了你的问题，我会删除它。