我正在估計具有一些因子/類別變數和一些數值變數的回歸模型。是否可以在回歸模型的摘要中顯示每個因子/類別變數的參考類別？
理想情況下，這也將轉化為 texreg 或 stargazer 以具有乳膠輸出，但將它們放在回歸摘要中已經是一個好的開始。
有沒有人有想法，我錯過了什么？
uj5u.com熱心網友回復：
參考水平是摘要中缺失的那個，因為其他水平的系數是與參考水平的對比，即截距實際上代表參考類別中的平均值。
iris <- transform(iris, Species_=factor(Species)) ## create factor
summary(lm(Sepal.Length ~ Petal.Length Species_, iris))$coe
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) 3.6835266 0.10609608 34.718780 1.968671e-72
# Petal.Length 0.9045646 0.06478559 13.962436 1.121002e-28
# Species_versicolor -1.6009717 0.19346616 -8.275203 7.371529e-14
# Species_virginica -2.1176692 0.27346121 -7.743947 1.480296e-12
您可以洗掉攔截，以顯示缺失的級別，但這沒有多大意義。然后您只需在沒有參考的情況下獲得每個級別的均值，但是您對參考級別與其他級別之間的對比度感興趣。
summary(lm(Sepal.Length ~ 0 Petal.Length Species_, iris))$coe
# Estimate Std. Error t value Pr(>|t|)
# Petal.Length 0.9045646 0.06478559 13.962436 1.121002e-28
# Species_setosa 3.6835266 0.10609608 34.718780 1.968671e-72
# Species_versicolor 2.0825548 0.28009598 7.435147 8.171219e-12
# Species_virginica 1.5658574 0.36285224 4.315413 2.921850e-05
如果您不確定，參考水平始終是因子的第一水平。
levels(iris$Species_)[1]
# [1] "setosa"
為了證明這一點，指定一個不同的參考水平，看看它是否是第一個。
iris$Species_ <- relevel(iris$Species_, ref='versicolor')
levels(iris$Species_)[1]
# [1] "versicolor"
在報告的表格下方的注釋中提及參考水平是很常見的，我建議您也這樣做。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/391184.html
上一篇：如何在r中將長表轉換為寬表？