将 stargazer 与内存贪婪的 glm 对象一起使用

我正在尝试运行以下回归：

m1=glm(y~x1+x2+x3+x4,data=df,family=binomial())
m2=glm(y~x1+x2+x3+x4+x5,data=df,family=binomial())
m3=glm(y~x1+x2+x3+x4+x5+x6,data=df,family=binomial())
m4=glm(y~x1+x2+x3+x4+x5+x6+x7,data=df,family=binomial())

然后使用打印它们观星者包裹：

stargazer(m1,m2,m3,m4 type="html", out="models.html")

事实是，数据框 df 相当大（~600MB），因此我创建的每个 glm 对象至少~1.5GB。 这会产生内存问题，导致我无法创建需要打印的所有回归观星者.

我尝试了两种方法来减小 glm 对象的大小：

1. 使用修剪 glm 对象this http://www.r-bloggers.com/trimming-the-fat-from-glm-models-in-r/教程。这确实将 glm 对象修剪到

Error in Qr$qr[p1, p1, drop = FALSE] : incorrect number of dimensions

2. 使用包speedglm。但是，它不支持观星者.

有什么建议么？

对我来说效果很好的一个选项是首先使用以下命令将大型 *lm 对象转换为“coeftest”类lmtest包裹。 “coeftest”对象实际上只是汇总回归结果的矩阵，因此几乎不占用任何空间。此外，Stargazer 很容易接受“coeftest”类作为输入，因此您的代码根本不需要进行太多更改。

使用你的例子：

library(lmtest)

m1 <- glm(y~x1+x2+x3+x4,data=df,family=binomial())
m1 <- coeftest(m1)
m2 <- glm(y~x1+x2+x3+x4+x5,data=df,family=binomial())
m2 <- coeftest(m2)
m3 <- glm(y~x1+x2+x3+x4+x5+x6,data=df,family=binomial())
m3 <- coeftest(m3)
m4 <- glm(y~x1+x2+x3+x4+x5+x6+x7,data=df,family=binomial())
m4 <- coeftest(m4)

stargazer(m1,m2,m3,m4 type="html", out="models.html")

除了解决内存问题之外，这种方法还有一个额外的好处：coeftest()转变本身非常快。 （嗯，有一个值得注意的例外，当您要求它通过调用“vcov = vcovHC”选项在特别大的 *lm 对象上产生健壮/聚集的标准错误时。但是，即使如此，coeftest()转换是首先导出稳健回归结果的必要步骤。）

这种方法的一个小缺点是它不会保存 Stargazer 表可能感兴趣的一些回归统计数据（例如 R 平方或 N）。但是，您可以在转换 *lm 对象之前轻松获取它们。