在 R 中使用 Stargazer 进行多个回归中的虚拟变量

2024-05-07

我正在尝试使用 R 中的 Stargazer 包创建一个回归表。我有几个仅在虚拟变量上有所不同的回归。我希望它报告自变量、常数等的系数，并在回归中包含某些固定效应（即虚拟变量）时说“是”或“否”。这些是我的回归：

iv1 <- ivreg(data=merge1,log(total_units)~log(priceIndex)|log(taxIndex))
iv2 <- ivreg(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code)|log(taxIndex)+factor(fips_state_code))
iv4 <- ivreg(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code) +factor(year)|log(taxIndex)+factor(fips_state_code) +factor(year))
iv5 <- ivreg(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code) +time*factor(fips_state_code)|log(taxIndex)+factor(fips_state_code) +time*factor(fips_state_code))

（顺便说一下，数据框代码位于底部。）

如您所见，iv1 没有虚拟对象。 iv2 有状态虚拟。 iv4 有州和年份虚拟变量。 iv5 有状态虚拟人和时间趋势虚拟人。

我希望回归只是报告是否包含每个虚拟变量，而不是报告所有这些虚拟变量的贝塔值。出于某种原因，我可以使用 Stargazer 让它适用于每个单独的回归，如下所示：

> stargazer(iv1,type="text",
+           omit = c("fips_state_code","year","time"),
+           omit.labels = c("State FE?","Year FE?","State time trend?"))

===============================================
                        Dependent variable:    
                    ---------------------------
                         log(total_units)      
-----------------------------------------------
log(priceIndex)                1.146           
                              (1.481)          

Constant                      -0.283           
                              (3.576)          

-----------------------------------------------
State FE?                       No             
Year FE?                        No             
State time trend?               No             
-----------------------------------------------
Observations                    189            
R2                            -1.347           
Adjusted R2                   -1.359           
Residual Std. Error      1.297 (df = 187)      
===============================================
Note:               *p<0.1; **p<0.05; ***p<0.01
> 
> stargazer(iv2,type="text",
+           omit = c("fips_state_code","year","time"),
+           omit.labels = c("State FE?","Year FE?","State time trend?"))

===============================================
                        Dependent variable:    
                    ---------------------------
                         log(total_units)      
-----------------------------------------------
log(priceIndex)                1.184           
                              (1.561)          

Constant                      -0.495           
                              (3.767)          

-----------------------------------------------
State FE?                       Yes            
Year FE?                        No             
State time trend?               No             
-----------------------------------------------
Observations                    189            
R2                            -1.130           
Adjusted R2                   -1.487           
Residual Std. Error      1.332 (df = 161)      
===============================================
Note:               *p<0.1; **p<0.05; ***p<0.01
> 
> stargazer(iv4,type="text",
+           omit = c("fips_state_code","year","time"),
+           omit.labels = c("State FE?","Year FE?","State time trend?"))

===============================================
                        Dependent variable:    
                    ---------------------------
                         log(total_units)      
-----------------------------------------------
log(priceIndex)                0.845           
                              (1.049)          

Constant                       0.342           
                              (2.619)          

-----------------------------------------------
State FE?                       Yes            
Year FE?                        Yes            
State time trend?               No             
-----------------------------------------------
Observations                    189            
R2                            -0.393           
Adjusted R2                   -0.690           
Residual Std. Error      1.098 (df = 155)      
===============================================
Note:               *p<0.1; **p<0.05; ***p<0.01
> 
> stargazer(iv5,type="text",
+           omit = c("fips_state_code","year","time"),
+           omit.labels = c("State FE?","Year FE?","State time trend?"))

===============================================
                        Dependent variable:    
                    ---------------------------
                         log(total_units)      
-----------------------------------------------
log(priceIndex)                0.554           
                              (1.064)          

Constant                       0.041           
                              (2.393)          

-----------------------------------------------
State FE?                       Yes            
Year FE?                        No             
State time trend?               Yes            
-----------------------------------------------
Observations                    189            
R2                            -0.001           
Adjusted R2                   -0.405           
Residual Std. Error      1.001 (df = 134)      
===============================================
Note:               *p<0.1; **p<0.05; ***p<0.01

然而，当我尝试同时进行多重回归时，事情变得很奇怪：

> stargazer(iv1,iv2,iv4,iv5,type="text",
+           omit = c("fips_state_code","year","time"),
+           omit.labels = c("State FE?","Year FE?","State time trend?"))

=======================================================================================
                                            Dependent variable:                        
                    -------------------------------------------------------------------
                                             log(total_units)                          
                          (1)              (2)              (3)              (4)       
---------------------------------------------------------------------------------------
log(priceIndex)          1.146            1.184            0.845            0.554      
                        (1.481)          (1.561)          (1.049)          (1.064)     

Constant                 -0.283           -0.495           0.342            0.041      
                        (3.576)          (3.767)          (2.619)          (2.393)     

---------------------------------------------------------------------------------------
State FE?                  No               No               No               No       
Year FE?                   No               No               No               No       
State time trend?          No               No               No               No       
---------------------------------------------------------------------------------------
Observations              189              189              189              189       
R2                       -1.347           -1.130           -0.393           -0.001     
Adjusted R2              -1.359           -1.487           -0.690           -0.405     
Residual Std. Error 1.297 (df = 187) 1.332 (df = 161) 1.098 (df = 155) 1.001 (df = 134)
=======================================================================================
Note:                                                       *p<0.1; **p<0.05; ***p<0.01

请注意，现在所有的假人都被报告为“否”。看起来使用 iv1（没有假人）会让 Stargazer 感到困惑。我不知道为什么会这样！

所以，我的问题是：如何使 Stargazer 的组合输出看起来像这样？

=======================================================================================
                                                Dependent variable:                        
                        -------------------------------------------------------------------
                                                 log(total_units)                          
                              (1)              (2)              (3)              (4)       
    ---------------------------------------------------------------------------------------
    log(priceIndex)          1.146            1.184            0.845            0.554      
                            (1.481)          (1.561)          (1.049)          (1.064)     

    Constant                 -0.283           -0.495           0.342            0.041      
                            (3.576)          (3.767)          (2.619)          (2.393)     

    ---------------------------------------------------------------------------------------
    State FE?                  No               Yes              Yes              Yes      
    Year FE?                   No               No               Yes              No       
    State time trend?          No               No               No               Yes      
    ---------------------------------------------------------------------------------------
    Observations              189              189              189              189       
    R2                       -1.347           -1.130           -0.393           -0.001     
    Adjusted R2              -1.359           -1.487           -0.690           -0.405     
    Residual Std. Error 1.297 (df = 187) 1.332 (df = 161) 1.098 (df = 155) 1.001 (df = 134)
    =======================================================================================
    Note:                                                       *p<0.1; **p<0.05; ***p<0.01

我知道这似乎是一个愚蠢的问题。但我试图这样做以进行更多的回归，并且每次手动格式化它都是一个巨大的痛苦。任何和所有的建议都会有帮助！谢谢。

这是我的数据：

structure(list(year = c(2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 
2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 
2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 2006L, 
2006L, 2006L, 2006L, 2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 
2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 
2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 2007L, 
2007L, 2007L, 2007L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 
2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 
2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 
2008L, 2008L, 2008L, 2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 
2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 
2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 
2009L, 2009L, 2009L, 2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 
2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 
2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 
2010L, 2010L, 2010L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 
2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 
2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 
2011L, 2011L, 2011L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 
2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 
2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 
2012L, 2012L, 2012L), fips_state_code = c(4, 5, 6, 8, 9, 10, 
11, 12, 13, 17, 18, 21, 22, 24, 25, 27, 29, 31, 32, 34, 35, 36, 
38, 45, 46, 48, 55, 4, 5, 6, 8, 9, 10, 11, 12, 13, 17, 18, 21, 
22, 24, 25, 27, 29, 31, 32, 34, 35, 36, 38, 45, 46, 48, 55, 4, 
5, 6, 8, 9, 10, 11, 12, 13, 17, 18, 21, 22, 24, 25, 27, 29, 31, 
32, 34, 35, 36, 38, 45, 46, 48, 55, 4, 5, 6, 8, 9, 10, 11, 12, 
13, 17, 18, 21, 22, 24, 25, 27, 29, 31, 32, 34, 35, 36, 38, 45, 
46, 48, 55, 4, 5, 6, 8, 9, 10, 11, 12, 13, 17, 18, 21, 22, 24, 
25, 27, 29, 31, 32, 34, 35, 36, 38, 45, 46, 48, 55, 4, 5, 6, 
8, 9, 10, 11, 12, 13, 17, 18, 21, 22, 24, 25, 27, 29, 31, 32, 
34, 35, 36, 38, 45, 46, 48, 55, 4, 5, 6, 8, 9, 10, 11, 12, 13, 
17, 18, 21, 22, 24, 25, 27, 29, 31, 32, 34, 35, 36, 38, 45, 46, 
48, 55), priceIndex = c(8L, 16L, 25L, 27L, 2L, 24L, 18L, 26L, 
26L, 26L, 20L, 15L, 1L, 10L, 30L, 11L, 12L, 18L, 17L, 23L, 23L, 
6L, 1L, 5L, 24L, 7L, 10L, 22L, 7L, 20L, 8L, 10L, 2L, 30L, 16L, 
27L, 21L, 14L, 21L, 13L, 16L, 11L, 11L, 7L, 22L, 21L, 30L, 2L, 
19L, 2L, 10L, 17L, 6L, 12L, 5L, 30L, 12L, 15L, 29L, 19L, 16L, 
16L, 22L, 9L, 10L, 9L, 10L, 19L, 22L, 6L, 16L, 24L, 25L, 24L, 
12L, 10L, 26L, 12L, 30L, 16L, 9L, 5L, 8L, 7L, 2L, 4L, 9L, 11L, 
16L, 10L, 13L, 23L, 1L, 10L, 9L, 10L, 2L, 17L, 6L, 15L, 5L, 18L, 
2L, 2L, 13L, 9L, 18L, 10L, 25L, 8L, 26L, 29L, 14L, 3L, 12L, 22L, 
15L, 22L, 14L, 13L, 27L, 4L, 16L, 20L, 12L, 19L, 12L, 20L, 12L, 
17L, 9L, 1L, 28L, 23L, 24L, 13L, 16L, 10L, 21L, 1L, 18L, 15L, 
1L, 15L, 23L, 5L, 16L, 27L, 8L, 7L, 5L, 20L, 3L, 3L, 7L, 3L, 
23L, 1L, 26L, 4L, 5L, 18L, 13L, 17L, 30L, 22L, 14L, 29L, 1L, 
1L, 23L, 12L, 14L, 21L, 29L, 2L, 2L, 16L, 21L, 15L, 11L, 29L, 
26L, 26L, 17L, 20L, 23L, 27L, 7L), totalWeight = c(0.964679717852504, 
0.910153114749701, 0.937533258307128, 0.908932907218257, 0.897870703904312, 
0.570664114467063, 0.793595725333603, 0.960149778439218, 0.702012263867207, 
0.959840103392019, 0.942220302688495, 0.964136166436202, 0.945368646478464, 
0.899686521142446, 0.874686707751765, 0.914447566897194, 0.952932668846809, 
0.960061052199137, 0.926259918197789, 0.885837510813906, 0.901475780845684, 
0.779591446248175, 0.604818428169235, 0.941410295398351, 0.908944873195851, 
0.940822410107144, 0.820433580971128, 0.955543163510268, 0.914685040312209, 
0.948635424851211, 0.946104114649245, 0.932230610899134, 0.558057546499175, 
0.750564479296488, 0.971764930983387, 0.68817373783927, 0.975097771312425, 
0.962368976746048, 0.970230629172812, 0.953507602894619, 0.892296298593537, 
0.930726885101312, 0.908546595974175, 0.962179609608759, 0.96839162884849, 
0.935106841280912, 0.897095564773418, 0.920053661608378, 0.820365371424697, 
0.646532974396383, 0.944743562870499, 0.911857926468439, 0.963635866793497, 
0.944584511990913, 0.973319999879543, 0.912794288563832, 0.950505538487169, 
0.947587097715066, 0.932230610899134, 0.585877063357753, 0.741854702451495, 
0.974829401211451, 0.691439730628336, 0.975813815364686, 0.960835846736876, 
0.961274083799183, 0.959334487143946, 0.89688427237274, 0.937723734431402, 
0.912751255497468, 0.971245010442592, 0.971456099076554, 0.941243932527261, 
0.898677051935661, 0.909199996904926, 0.904176820031607, 0.660962686468937, 
0.926016809434945, 0.927065572055749, 0.969462751042824, 0.887911658008384, 
0.974754164229651, 0.885875391195578, 0.958515313970186, 0.948823953012966, 
0.936466604521389, 0.613240721391053, 0.777793767761539, 0.981209274133896, 
0.706831562657967, 0.982459601639192, 0.969382100794866, 0.970450010303705, 
0.960978075054578, 0.902842393873445, 0.942890887235305, 0.905145032941613, 
0.985616404521002, 0.974335897510718, 0.94236227101429, 0.92257155375435, 
0.903566344156375, 0.905142965998554, 0.661175613077282, 0.948470597079574, 
0.937249077110803, 0.972342549476988, 0.966932959536049, 0.969719582376951, 
0.892634342170433, 0.964670562454497, 0.951929452222193, 0.93649537248916, 
0.612101928212217, 0.724332887315945, 0.980582527341166, 0.712928614791972, 
0.987189573702774, 0.974718254899991, 0.975852766090469, 0.96236303821044, 
0.899854848145425, 0.946343691677045, 0.911796075815032, 0.981805900102976, 
0.97572086066658, 0.940776475282425, 0.920956214063409, 0.918314213645145, 
0.909966039838214, 0.688692601749395, 0.939834970965504, 0.938634040266665, 
0.97372751263285, 0.96841594260187, 0.965125603615924, 0.872094653176646, 
0.974957711538891, 0.972050595493474, 0.933488903015909, 0.664724768281132, 
0.725532855017458, 0.982136493351554, 0.731583789519918, 0.986998917423862, 
0.985672785517343, 0.985359985268326, 0.96327016977471, 0.907456559706999, 
0.947841526350148, 0.924724066870382, 0.984805872685194, 0.974845207727776, 
0.956650623685199, 0.927323325078334, 0.928141500916387, 0.912472003821784, 
0.718170802590407, 0.935947208560755, 0.946217508856548, 0.975281478643238, 
0.969969908612259, 0.97439813803871, 0.849645214769615, 0.971427658757611, 
0.972050595493474, 0.927830874535962, 0.655478629719111, 0.734298949581601, 
0.984919482876493, 0.737396852851197, 0.988375665649713, 0.978252656267413, 
0.978204861100427, 0.961122141972513, 0.941660644201143, 0.953036993924037, 
0.925681643545421, 0.990001340259083, 0.969788001954067, 0.94817860131528, 
0.928318571162957, 0.927885380703944, 0.913542321320878, 0.825157348433747, 
0.948727363244703, 0.948225380163735, 0.975281478643238, 0.971354871768121
), taxIndex = c(14L, 4L, 4L, 19L, 15L, 18L, 12L, 12L, 14L, 7L, 
10L, 28L, 29L, 30L, 14L, 3L, 23L, 10L, 26L, 15L, 26L, 21L, 29L, 
4L, 22L, 23L, 16L, 5L, 4L, 25L, 7L, 6L, 10L, 16L, 25L, 6L, 13L, 
25L, 18L, 7L, 14L, 27L, 27L, 17L, 6L, 4L, 18L, 10L, 19L, 18L, 
14L, 12L, 19L, 21L, 23L, 5L, 6L, 28L, 28L, 21L, 10L, 30L, 18L, 
23L, 24L, 25L, 19L, 13L, 22L, 14L, 11L, 2L, 13L, 24L, 8L, 30L, 
12L, 13L, 4L, 3L, 1L, 21L, 7L, 8L, 30L, 3L, 7L, 14L, 10L, 23L, 
24L, 17L, 11L, 27L, 18L, 4L, 9L, 14L, 29L, 25L, 4L, 8L, 16L, 
3L, 28L, 2L, 2L, 28L, 28L, 5L, 7L, 30L, 30L, 6L, 24L, 1L, 28L, 
19L, 3L, 2L, 5L, 14L, 23L, 13L, 14L, 23L, 21L, 23L, 14L, 20L, 
21L, 25L, 27L, 30L, 5L, 15L, 27L, 3L, 4L, 15L, 1L, 12L, 9L, 17L, 
24L, 26L, 1L, 25L, 6L, 13L, 11L, 18L, 28L, 30L, 3L, 28L, 8L, 
11L, 11L, 8L, 25L, 11L, 4L, 20L, 1L, 14L, 3L, 15L, 2L, 11L, 1L, 
17L, 30L, 15L, 21L, 14L, 29L, 26L, 1L, 27L, 18L, 12L, 7L, 17L, 
4L, 30L, 23L, 1L, 27L), total_units = c(30L, 12L, 16L, 10L, 30L, 
6L, 8L, 24L, 15L, 6L, 6L, 16L, 15L, 19L, 28L, 16L, 7L, 13L, 12L, 
21L, 9L, 9L, 10L, 4L, 12L, 21L, 30L, 1L, 26L, 7L, 2L, 7L, 1L, 
2L, 15L, 14L, 11L, 28L, 29L, 2L, 22L, 26L, 9L, 21L, 8L, 26L, 
4L, 14L, 18L, 15L, 18L, 11L, 9L, 20L, 3L, 20L, 20L, 24L, 1L, 
9L, 16L, 27L, 29L, 2L, 25L, 16L, 24L, 13L, 11L, 13L, 1L, 19L, 
5L, 5L, 11L, 22L, 16L, 20L, 21L, 2L, 9L, 13L, 15L, 6L, 12L, 28L, 
7L, 24L, 22L, 24L, 21L, 14L, 1L, 6L, 10L, 10L, 26L, 26L, 3L, 
9L, 16L, 30L, 16L, 23L, 20L, 11L, 17L, 16L, 15L, 8L, 20L, 21L, 
1L, 19L, 4L, 4L, 26L, 21L, 18L, 18L, 24L, 8L, 17L, 15L, 20L, 
19L, 10L, 19L, 23L, 4L, 17L, 1L, 20L, 29L, 28L, 26L, 2L, 17L, 
22L, 17L, 17L, 14L, 17L, 13L, 1L, 3L, 15L, 5L, 30L, 27L, 20L, 
10L, 3L, 24L, 28L, 22L, 28L, 20L, 15L, 16L, 10L, 11L, 28L, 27L, 
12L, 5L, 19L, 11L, 15L, 26L, 15L, 27L, 6L, 25L, 7L, 8L, 29L, 
26L, 16L, 25L, 28L, 22L, 20L, 13L, 3L, 8L, 4L, 29L, 10L), time = c(1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 
3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 
4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 
4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 
5, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 
6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 7, 
7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7)), .Names = c("year", 
"fips_state_code", "priceIndex", "totalWeight", "taxIndex", "total_units", 
"time"), row.names = c(NA, -189L), vars = list(year), drop = TRUE, indices = list(
    0:26, 27:53, 54:80, 81:107, 108:134, 135:161, 162:188), group_sizes = c(27L, 
27L, 27L, 27L, 27L, 27L, 27L), biggest_group_size = 27L, labels = structure(list(
    year = 2006:2012), class = "data.frame", row.names = c(NA, 
-7L), vars = list(year), drop = TRUE, .Names = "year"), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame"))

我对其他模型类型也有类似的问题，问题是order固定效应似乎很重要。

如果你简单地翻转模型的顺序：

stargazer(iv5,iv4,iv2,iv1,type="text",
       omit = c("fips_state_code","year","time"),
       omit.labels = c("State FE?","Year FE?","State time trend?"))

您会得到正确的输出：

=======================================================================================
                                            Dependent variable:                        
                    -------------------------------------------------------------------
                                             log(total_units)                          
                          (1)              (2)              (3)              (4)       
---------------------------------------------------------------------------------------
log(priceIndex)          0.554            0.845            1.184            1.146      
                        (1.064)          (1.049)          (1.561)          (1.481)     

Constant                 0.041            0.342            -0.495           -0.283     
                        (2.393)          (2.619)          (3.767)          (3.576)     

---------------------------------------------------------------------------------------
State FE?                 Yes              Yes              Yes               No       
Year FE?                   No              Yes               No               No       
State time trend?         Yes               No               No               No       
---------------------------------------------------------------------------------------
Observations              189              189              189              189       
R2                       -0.001           -0.393           -1.130           -1.347     
Adjusted R2              -0.405           -0.690           -1.487           -1.359     
Residual Std. Error 1.001 (df = 134) 1.098 (df = 155) 1.332 (df = 161) 1.297 (df = 187)
=======================================================================================
Note:                                                       *p<0.1; **p<0.05; ***p<0.01

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

r

stargazer

dummyvariable

在 R 中使用 Stargazer 进行多个回归中的虚拟变量的相关文章

R 中按时间划分的平均值

我每秒测量一次化合物浓度我想求 30 秒和 60 秒的平均值我一直在阅读这里的帖子我尝试过lubridate and dplyr 但没有运气我正在努力完成这项工作但我一直没能做到我正在从 SAS 过渡到 R 所以请耐心等待这是
使用字符串中的变量名称访问变量值，R

Intro 一个数据集有大量的age year变量 age 1990 age 1991 etc 我有一个字符串值数组length age years 表示这些变量使得age years 1 回报 age 1990 etc Need 我想搜
无法更新/编辑从 R 中的包（`gratia`）导出的 ggplot2 对象

我希望我在这里遗漏了一些令人痛苦的明显的东西我希望更新例如修复标题实验室等由生成的 ggplot 对象gratia draw 不太确定为什么我无法更新该对象有一个简单的解决方案吗 devtools install github
从 n,k 维矩阵数组中减去 n,k 维矩阵

如果我有一个数组A A lt array 0 c 4 3 5 for i in 1 5 set seed i A i lt matrix rnorm 12 4 3 如果我有矩阵 B set seed 6 B lt matrix rnorm
R中的字典数据结构

在 R 中我有例如 gt foo lt list a 1 b 2 c 3 如果我输入foo I get a 1 1 b 1 2 c 1 3 我怎样才能看透foo仅获取键列表在这种情况下 a b c R 列表可以具有命名元素因此可
将字符串列拆分为多个虚拟变量

作为 R 中 data table 包的相对缺乏经验的用户我一直在尝试将一个文本列处理为大量指示符列虚拟变量每列中的 1 表示特定的子字符串是在字符串列中找到例如我想处理这个 ID String 1 a b 2 b c 3 c 进入
R - 计算 bin 中特定值的数量

我有一个如下所示的数据框 df Value lt c 1 1 0 2 1 3 4 0 0 1 2 0 3 0 4 5 2 3 0 6 Sl lt c 1 20 df lt data frame Sl Value gt df Sl Value
Quantmod 的简单功能不再起作用

我明天要交论文我收到了一条关于 quantmod 的非常奇怪的错误消息这是我在过去几周使用这个包时从未遇到过的我无法导入特定于道琼斯指数 DJI 的数据我收到以下错误消息 getSymbols DJI src yahoo from
使用officer R导出时如何提高ggplots的分辨率

我想将图表导出到 PPT 并使用Officer 包来实现相同的目的但是图表的默认分辨率较低我想更改它我目前正在使用以下电话 ph with gg p1 type chart res 1200 其中 p1 是 ggplot 对象运行
R 中两个时间戳之间的左连接

我的目标是执行左连接intervals哪里的bike id比赛和created at时间戳在records在之间start and end in the intervals table gt class records 1 data ta
如何纠正 data.frame 上的字符编码

我有一个像这样的数据框 data names lt data frame DATA c 1 5 rownames data names lt c IV xc1N JOS xc9 LUC xcdA RAM xd3N TO xd1O data
多个动态滤镜更新闪亮

我希望能够让 UI 输入闪亮并根据用户之前的选择进行自我更新因此在下面的示例中预期的行为是用户选择cyl vsor carb那么这将过滤数据集mtcars用于创建绘图即用户根据过滤条件调整绘图并更新其他过滤器中的剩余输入选择
为什么 sapply 的缩放速度比样本大小的 for 循环慢？

假设我想采用向量 X 2 1 N 并将 e 计算为每个元素的指数是的我认识到最好的方法就是通过向量化 exp X 但这样做的目的是将 for 循环与 sapply 进行比较我通过逐步尝试三种方法一种使用 for 循环两种以不同方
`as.matrix` 和 `as.data.frame` S3 方法与 S4 方法

我注意到定义as matrix or as data frame作为 S4 类的 S3 方法使例如lm formula objS4 and prcomp object 开箱即用如果它们被定义为 S4 方法则这不起作用为什么将方法定义
在 R 中提取 data.frames 列表的名称以及 data.frame 中的值

在下面的代码中 j是 data frames 的命名列表我想知道是否有办法 a 提取变量的数值即one short and one long 在 data frames 内并附加它们的相关名称即 AAA or BBB or CCC 到
在网格中制作一个矩形图例，并标记行和列

我有一个 ggplot 我将因子映射到填充和 alpha 如下所示 set seed 47 the data lt data frame value rpois 6 lambda 20 cat1 rep c A B each 3 cat2
在ggplot中设置y轴中断

我在代码中设置中断时遇到困难我尝试添加breaks seq 0 100 by 20 但似乎无法让它正常工作本质上我希望 Y 轴从 0 到 100 每 20 个刻度一次 YearlyCI lt read table header T te
从数据框中绘制多条平滑线

我对 R 比较陌生我正在尝试绘制从 csv 文件加载的数据框数据由 6 列组成如下所示 xval col1 col2 col3 col4 col5 第一列 xval 由一系列单调递增的正整数例如 10 40 60 等组成其他列
如何根据 ggplot2 中的汇总数据创建堆积条形图

我正在尝试使用 ggplot 2 创建堆积条形图我的宽格式数据如下所示每个单元格中的数字是响应的频率 activity yes no dontknow Social events 27 3 3 Academic skills works
当将遗传算法与 lme4 一起使用时，glmulti 无限期运行

我在 R 中使用 glmulti 进行模型平均我的模型中有大约 10 个变量使得详尽的筛选不切实际因此我需要使用遗传算法 GA 调用 method g 我需要包含随机效应因此我使用 glmulti 作为 lme4 的包装器此处提供

随机推荐

如何自动执行/安排 IIS 中托管的 WCF 服务调用？

我有一个非常简单的服务合同用于管理自己的数据导入类似于 using System ServiceModel namespace Company Services Domain Contract ServiceContract Name
如何在链接到表单的工作表中执行 Google 工作表脚本之前等待 Google 表单脚本完成执行

我有两个脚本一个链接到 Google 表单另一个链接到 Google 表格我需要确保 Google 表单脚本在执行链接到 Google 表单的工作表的 Google 工作表脚本主体之前完成执行如何才能做到这一点需要等待 Googl
Python Tkinter OOP 布局配置

我正在尝试使用 tkinter 构建一个应用程序该布局在没有 OO 原则的情况下工作但我很难理解应该如何将其转移到 OO The layout is as shown in the pic below 1280x720px 我有以下内容
河内塔与蟒蛇“柜台”

我已经用 python 编写了河内塔的代码我试图添加一个计数器来显示它运行了多少次我尝试了一些东西例如 while 循环和 for 循环等但它不起作用我确信答案很简单但我的大脑现在运行在最低设置上我的代码如下所示 def
Delta Lake 独立于 Apache Spark？

我一直在探索数据湖屋概念和 Delta Lake 它的一些功能看起来真的很有趣就在项目主页上https delta io https delta io 有一个图表显示 Delta Lake 运行在您现有的数据湖上但没有提及 Spar
Python：如何在烧瓶中显示 matplotlib [重复]

这个问题在这里已经有答案了我对 Flask 和 Matplotlib 很陌生我希望能够显示我在某些 html 中生成的简单图表但我很难弄清楚如何实现这是我的Python代码 from flask import Flask rende
从Python中的字符串中提取日期时间的最佳方法

我有一个脚本可以解析电子邮件标题中表示日期和时间的字段这些字符串的一些示例如下 Fri 10 Jun 2011 11 04 17 0200 CEST Tue 1 Jun 2011 11 04 17 0200 Wed 8 Jul 1992
GMock 删除使用 ReturnArg 时的隐式转换警告

给出以下模拟方法 MOCK METHOD2 send int const void pBuffer size t szBuffer 以及以下用法 EXPECT CALL socketMock send Times 1 WillOnce Re
ktor 客户端发布多部分/表单数据

如何使用 ktor 客户端将文件作为多部分表单数据发布我想将它用于电报机器人 API 发送文档我需要获得与curl命令相同的结果 curl F document path to some file https api telegram
混合应用程序开发（PhoneGap、Cordova、Ionic）

我试图了解一切是如何运作的但对此主题有一些疑问我将解释我如何理解这些东西首先让我们从Cordova这是翻译平台JS CSS HTML文件到本机应用程序中但这并不完全是事实实际上它只是将所有 html css 文件放入 asset
formatTime 以“h”而不是“:”作为分隔符

葡萄牙时间使用以下 24 小时格式 18h30 我试过了 timeFormat H h mm timeFormat H h mm timeFormat H h mm 是否可以谢谢您需要使用单引号inside用于插入字母的 JavaScr
java.lang.IllegalStateException：无法为 X 创建层 - 使用硬件层时

我在自定义视图上使用硬件层以便在为其 Alpha 制作动画时获得更好的性能在我的崩溃记者上看到这次崩溃 Fatal Exception java lang IllegalStateException Unable to create l
在 Grails 下如何防止异常导致事务回滚？

我的 Grails 服务遇到一个问题即与事务无关的吞没异常会导致事务回滚即使它与域对象的持久性无关在我的服务中我有一些类似的东西 updateSomething domainObj def oldFilename domainObj
CAS 注销和 cookie 消除

我刚刚制作了一个 HelloWorld servlet 并在其上实现了 CAS 我能够毫无问题地登录并且 CAS 在我的浏览器中设置 3 个 cookie CASGT 并为 cas 设置 2 个 JSESSIONID 1 另一个为 hel
C# 从另一个 void 返回一个字符串

我很确定这是一件容易的事我只是想从另一个 void 返回一个字符串 public static void LinkWorker string baseURLString do some stuff here HTMLWork baseUR
正则表达式 - PHP Lookaround

我有一个字符串例如 foo Hello How are you I am very good thank you 我知道这是一个奇怪的字符串但请留在我身边 P 我需要一个正则表达式来查找在此处查找内容之间的内容并将其放入数组中即
Bootstrap Popover 点击时关闭：在桌面浏览器中工作正常，但在移动浏览器中不行

所以我有一个在 NodeJS 上运行并使用 bootstrap 作为前端的 Web 应用程序我集成了一些引导程序弹出窗口它们执行以下操作当用户单击或点击图像时它将弹出弹出窗口用户可以单击任意位置它将关闭弹出窗口当我从台式机或笔
命令行参数中的“-”（破折号）有什么魔力？

例子创建 ISO 映像并将其直接刻录到 CD mkisofs V Photos r home vivek photos cdrecord v dev dev dvdrw 更改到上一个目录 cd 侦听端口 12345 并解压发送到该端口的数
Visual Studio 2012 - “错误访问被拒绝”消息框 - 无其他信息

当我使用 Visual Studio 2012 时我偶尔会遇到错误错误如下几乎没有给我任何有关问题所在的信息看来该错误在某种程度上与源代码控制有关因为我通常在更改文件并且文件会自动检出或添加新内容时收到错误除了错误消息之外
在 R 中使用 Stargazer 进行多个回归中的虚拟变量

我正在尝试使用 R 中的 Stargazer 包创建一个回归表我有几个仅在虚拟变量上有所不同的回归我希望它报告自变量常数等的系数并在回归中包含某些固定效应即虚拟变量时说是或否这些是我的回归 iv1 lt ivreg da

在 R 中使用 Stargazer 进行多个回归中的虚拟变量

在 R 中使用 Stargazer 进行多个回归中的虚拟变量 的相关文章

随机推荐

热门标签

在 R 中使用 Stargazer 进行多个回归中的虚拟变量的相关文章