在 stargazer() LaTeX 輸出中用賠率代替 logits

Question

當使用 stargazer 在邏輯回歸對象上創建 LaTeX 表時，標准行為是輸出每個模型的 logit 值。 是否有可能獲得 exp(logit) 代替？ 也就是說，我可以得到賠率比嗎？

在觀星者文檔中，以下提到了“Coef”參數，但我不明白這是否可以啟用 exp(logits)。

Coef：將替換每個模型的默認系數值的數值向量列表。 元素名稱將用於將系數與單個協變量匹配，因此應匹配協變量名稱。 NULL 向量表示對於給定模型，應使用默認系數集。 相比之下，NA 向量意味着模型的所有系數都應留空。

Answer 1

根據 2014 年的共生評論，較新版本的 ''stargazer'' 具有選項 ''apply.*'' 用於 ''coef'' ''se'' ''t'' ''p'' 和 '' ci'' 允許直接轉換這些統計數據。

apply.coef a function that will be applied to the coefficients.
apply.se a function that will be applied to the standard errors.
apply.t a function that will be applied to the test statistics.
apply.p a function that will be applied to the p-values.
apply.ci a function that will be applied to the lower and upper bounds of the confidence intervals.

這意味着您可以直接使用...

stargazer(model, 
          apply.coef = exp,
          apply.se   = exp)

編輯：然而，我注意到，簡單地對 CI 取冪並不能給出您所期望的。

編輯：您可以使用此處描述的方法獲得正確的 CI。

Answer 2

stargazer允許你替換很多東西，因變量標簽，協變量標簽等等。 為了替代那些需要提供變量標簽向量的變量，這樣做是為了具有可發布的行名稱，而不是默認情況下來自R的變量名稱。

因此，為了獲得優勢比，您需要向stargazer提供優勢比向量。 你如何獲得那個向量？ 其實很容易。 假設您的模型名為model ，那么您的代碼是：

coef.vector <- exp(model$coef)
stargazer(model,coef=list(coef.vector))

如果您的表中有多個模型，那么應該擴展列表，例如coef=list(coef.vector1,coef.vector2,...) ，其中列表中的所有向量都將從與上述類似的冪運算中導出。

Answer 3

因此，問題在於您想要顯示（非對數）優勢比，但保留基於基礎線性模型的測試統計數據。 默認情況下，當您使用其中一種“應用”方法時，例如apply.coef = exp ，stargazer 將重新計算 t 統計數據和 p 值。 我們不想那樣。 此外，標准誤差在對數基礎上，但我們不能只是對它們取冪。 我的首選方法是：

1. 對 stargazer 中的 coefs 取冪
2. 關閉自動 p 和自動 t
3. 在表中報告（未轉換）t 統計量而不是標准誤差

在代碼中，這是：

stargazer(model, apply.coef=exp, t.auto=F, p.auto=F, report = "vct*")

Answer 4

各種帖子中有一些正確的答案，但似乎沒有一個能把它們放在一起。 假設如下：

glm_out <- glm(Y ~ X, data=DT, family = "binomial")

獲得優勢比

對於邏輯回歸，回歸系數 (b1) 是每單位 X 增加 Y 的對數幾率的估計增加。 因此，要獲得優勢比，我們只需使用 exp 函數：

OR <- exp(coef(glm_out))

# pass in coef directly
stargazer(glm_out, coef = list(OR), t.auto=F, p.auto=F)

# or, use the apply.coef option
stargazer(glm_out, apply.coef = exp, t.auto=F, p.auto=F)

獲得優勢比的標准誤差

您不能簡單地使用apply.se = exp來獲取 Std。 優勢比的錯誤

相反，您必須使用函數： Std.Error.OR = OR * SE(coef)

# define a helper function to extract SE from glm output
se.coef <- function(glm.output){sqrt(diag(vcov(glm.output)))}

# or, you can use the arm package
se.coef <- arm::se.coef

#Get the odds ratio
OR <- exp(coef(glm_out))

# Then, we can get the `StdErr.OR` by multiplying the two:
Std.Error.OR <-  OR * se.coef(glm_out)

所以，為了讓它進入觀星者，我們使用以下內容：

# using Std Errors
stargazer(glm_out, coef=list(OR), se = list(Std.Error.OR), t.auto=F, p.auto=F)

計算優勢比的 CI

優勢比設置中的置信區間不對稱。 所以，我們不能只做 ±1.96*SE(OR) 來獲得 CI。 相反，我們可以從原始對數賠率exp(coef ± 1.96*SE)計算它。

# Based on normal distribution to compute Wald CIs:
# we use confint.default to obtain the conventional confidence intervals
# then, use the exp function to get the confidence intervals

CI.OR <- as.matrix(exp(confint.default(glm_out)))

所以，為了讓它進入觀星者，我們使用以下內容：

# using ci.custom
stargazer(glm_out, coef=list(OR), ci.custom = list(CI.OR), t.auto=F, p.auto=F, ci = T)

# using apply.ci
stargazer(glm_out, apply.coef = exp, apply.ci = exp, t.auto=F, p.auto=F, ci = T)

關於使用置信區間進行顯着性測試的注意事項：

不要使用優勢比的置信區間來計算重要性（請參閱底部的注釋和參考）。 相反，您可以使用對數賠率來做到這一點：

z <- coef(glm_out)/se.coef(glm_out)

並且，使用它來獲得顯着性檢驗的 p.values：

pvalue <- 2*pnorm(abs(coef(glm_out)/se.coef(glm_out)), lower.tail = F)

（來源： https : //data.princeton.edu/wws509/r/c3s1 ）

有關統計測試的更詳細討論，請參閱此鏈接： https : //stats.stackexchange.com/questions/144603/why-do-my-p-values-difer-between-logistic-regression-output-chi-squared-test

然而，重要的是要注意，與 p 值不同，95% CI 不報告度量的統計顯着性。 在實踐中，如果 95% CI 不與空值重疊（例如 OR=1），則它通常用作統計顯着性存在的代理。 然而，將跨越零值的 95% CI 的 OR 解釋為表明暴露與結果之間缺乏關聯的證據是不合適的。 來源：解釋優勢比