如何使用 R 中的 Stargazer 进行多元回归？

Question

我正在尝试使用 R 中的 Stargazer package 创建一个回归表。我有几个回归，仅在虚拟变量上有所不同。 我希望它报告自变量的系数、常量等，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：

m1 <- lm(data=merge1,log(total_units)~log(priceIndex))
m2 <- lm(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code))
m3 <- lm(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code)+factor(month))
m4 <- lm(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code)+factor(month)+factor(year))
m5 <- lm(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code)+factor(month)+time*factor(fips_state_code))
m6 <- lm(data=merge1,log(total_units)~log(priceIndex)+factor(fips_state_code)+factor(month)+factor(year)+time*factor(fips_state_code))

我已经尝试了 stargazer 命令的几种变体以使表格看起来正确，但它从来没有。 当我运行此命令时，对于五个或六个回归中的每一个，它都按我预期的方式工作：

stargazer(m2,type="text",
          omit = c("fips_state_code","month","year","time"),
          omit.labels = c("State FE?","Month of year FE?","Year FE?","State time trend?"))

即，对于 m2，它在“状态 FE？”旁边显示“是”。 和所有其他问题旁边的“否”。 对于 m3，它在“状态 FE？”旁边显示“是”。 和“FE 月份？” 和其他问题旁边的“否”。

但是当我运行此命令时，该表对所有回归的所有问题都报告“否”：

stargazer(m1,m2,m3,m4,m5,m6,type="text",
          omit = c("fips_state_code","month","year","time"),
          omit.labels = c("State FE?","Month of year FE?","Year FE?","Time FE?"))

有人知道发生了什么事吗？ 无论我单独或一起进行每个回归，它应该都一样，不是吗？

我也得到其他奇怪的结果......当我运行以下命令时：

stargazer(m3,m4,m5,m6,type="html",
          omit = c("fips_state_code","month","year","time"),
          omit.labels = c("State FE?","Month of year FE?","Year FE?","State time trend?"))

我明白了：

 <table style="text-align:center"><tr><td colspan="5" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left"></td><td colspan="4"><em>Dependent variable:</em></td></tr> <tr><td></td><td colspan="4" style="border-bottom: 1px solid black"></td></tr> <tr><td style="text-align:left"></td><td colspan="4">log(total_units)</td></tr> <tr><td style="text-align:left"></td><td>(1)</td><td>(2)</td><td>(3)</td><td>(4)</td></tr> <tr><td colspan="5" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left">log(priceIndex)</td><td>2.962<sup>***</sup></td><td>-0.746<sup>***</sup></td><td>0.142</td><td>-1.947<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.206)</td><td>(0.249)</td><td>(0.224)</td><td>(0.276)</td></tr> <tr><td style="text-align:left"></td><td></td><td></td><td></td><td></td></tr> <tr><td style="text-align:left">Constant</td><td>-0.094</td><td>11.248<sup>***</sup></td><td>8.570<sup>***</sup></td><td>15.030<sup>***</sup></td></tr> <tr><td style="text-align:left"></td><td>(0.652)</td><td>(0.779)</td><td>(0.709)</td><td>(0.868)</td></tr> <tr><td style="text-align:left"></td><td></td><td></td><td></td><td></td></tr> <tr><td colspan="5" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left">State FE?</td><td>Yes</td><td>Yes</td><td>Yes</td><td>Yes</td></tr> <tr><td style="text-align:left">Month of year FE?</td><td>Yes</td><td>Yes</td><td>Yes</td><td>Yes</td></tr> <tr><td style="text-align:left">Year FE?</td><td>No</td><td>No</td><td>No</td><td>No</td></tr> <tr><td style="text-align:left">State time trend?</td><td>No</td><td>No</td><td>No</td><td>No</td></tr> <tr><td colspan="5" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left">Observations</td><td>2,853</td><td>2,853</td><td>2,853</td><td>2,853</td></tr> <tr><td style="text-align:left">R<sup>2</sup></td><td>0.968</td><td>0.974</td><td>0.984</td><td>0.985</td></tr> <tr><td style="text-align:left">Adjusted R<sup>2</sup></td><td>0.967</td><td>0.974</td><td>0.983</td><td>0.984</td></tr> <tr><td style="text-align:left">Residual Std. Error</td><td>0.340 (df = 2806)</td><td>0.305 (df = 2800)</td><td>0.244 (df = 2771)</td><td>0.235 (df = 2766)</td></tr> <tr><td style="text-align:left">F Statistic</td><td>1,830.438<sup>***</sup> (df = 46; 2806)</td><td>2,019.427<sup>***</sup> (df = 52; 2800)</td><td>2,041.885<sup>***</sup> (df = 81; 2771)</td><td>2,084.570<sup>***</sup> (df = 86; 2766)</td></tr> <tr><td colspan="5" style="border-bottom: 1px solid black"></td></tr><tr><td style="text-align:left"><em>Note:</em></td><td colspan="4" style="text-align:right"><sup>*</sup>p<0.1; <sup>**</sup>p<0.05; <sup>***</sup>p<0.01</td></tr> </table>

Answer 1

使用此答案中所述的add.lines选项。

#load a panel data
data("Wages", package = "plm")

#plain vanilla OLS
model1 <- lm(lwage ~ exp + union + ed + black, data=Wages)
# Least-Squares Dummy Variables model
model2 <- lm(lwage ~ factor(ind) + exp + union + ed + black, data=Wages)

library(stargazer)

stargazer(model1, model2, omit = '[i][n][d]', type='text',
          add.lines=list(c('Fixed effects', 'Yes','No'))
)

=======================================================================
                                    Dependent variable:                
                    ---------------------------------------------------
                                           lwage                       
                               (1)                       (2)           
-----------------------------------------------------------------------
exp                         0.013***                  0.013***         
                             (0.001)                   (0.001)         
                                                                       
unionyes                    0.121***                  0.113***         
                             (0.013)                   (0.013)         
                                                                       
ed                          0.079***                  0.082***         
                             (0.002)                   (0.002)         
                                                                       
blackyes                    -0.269***                 -0.256***        
                             (0.024)                   (0.024)         
                                                                       
Constant                    5.374***                  5.313***         
                             (0.036)                   (0.037)         
                                                                       
-----------------------------------------------------------------------
Fixed effects                  Yes                       No            
Observations                  4,165                     4,165          
R2                            0.283                     0.291          
Adjusted R2                   0.283                     0.290          
Residual Std. Error     0.391 (df = 4160)         0.389 (df = 4159)    
F Statistic         411.209*** (df = 4; 4160) 341.333*** (df = 5; 4159)
=======================================================================
Note:                                       *p<0.1; **p<0.05; ***p<0.01