![](/img/trans.png)
[英]Extract residuals from heteroskedasticity robust standard model (lm_robust())
[英]How to get AIC from lm_robust object
如何从lm_robust
对象(包estimatr
)获取AIC
? 我正在使用lm_robust
因为我想使用一个强大的估算器来计算SE
。 不像lm
功能, AIC
当您运行的汇总函数和运行不提供AIC
一个在功能lm_robust
对象产生一个错误。 下面是我试图运行的那种模型的玩具示例。
library(estimatr)
fake_data<-data.frame(outcome=rnorm(100,3.65,1),
pred1=rnorm(100,15,7),
pred2=as.factor(sample(1:5, 100, replace = T)))
mod1<-lm_robust(outcome~pred1+pred2,data=fake_data)
AIC(mod1)
这是错误消息的样子:
> AIC(mod1)
Error in UseMethod("logLik") :
no applicable method for 'logLik' applied to an object of class "lm_robust"
如果你必须使用lm_robust
,你可以选择自己计算,如下所示,
AIC
的公式,
AIC = 2*k + n [Ln( 2(pi) RSS/n ) + 1]
# n : Number of observation
# k : All variables including all distinct factors and constant
# RSS : Residual Sum of Square
如果我们将它应用于您的R
,
# Note that, I take k=7 since you have, 5 factors + 1 continuous and 1 constant
AIC_calculated <- 2*7 + 100* (log( 2*pi* (1-mod1$r.squared)*mod1$tss/100 ) + 1)
[1] 332.2865
这与lm
和glm
输出相同。
mod2<-lm(outcome~pred1+pred2,data=fake_data)
> AIC(mod2)
[1] 332.2865
最后,当然,您可以将此计算放入一个函数中,只需在其中提供lm_robust
模型即可随时调用,而无需为任何给定数据设置N
和k
参数,例如:
myAIC <- function(data) {
2*(data$k+1) + data$N * (log(2*pi* (1-data$r.squared)*data$tss/data$N ) + 1)
}
> myAIC(mod1)
[1] 332.2865
注意:由于在数据框中运行sample()
函数时的种子差异,计算机中的结果可能会有所不同。
这是一个解决方法
mod1 = lm_robust(outcome ~ pred1 + pred2, data = fake_data)
#Create any fitted model using 'lm' as a placeholder
mod2 = with(list(x = rnorm(10), y = rnorm(10)), lm(y ~ x))
#Copy values in `mod2` from `mod1`
mod2[names(mod2)] = mod1[names(mod2)]
#Calculate residuals in `mod2`
mod2$residuals = mod2$fitted.values - fake_data$outcome
AIC(mod2)
#[1] 326.6092
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.