如何改进回归表的格式?

Posted

技术标签:

【中文标题】如何改进回归表的格式?【英文标题】:How can I improve the format of regression tables? 【发布时间】:2021-10-23 17:23:28 【问题描述】:

我使用 R 进行了一些 logit 回归 - 测试投资公司的特征以及是否有任何预测可持续行为。

在我的论文中,我复制了 R 的输出,但是,我收到反馈说我应该尝试以更经典的学术方式格式化输出表。

有没有人对如何最好地做到这一点有建议,或者知道任何有助于这种事情的教程?

非常感谢, 罗里

【问题讨论】:

【参考方案1】:

您可以使用 kableExtra 包中的 kable() 函数。然后,您可以复制并粘贴以使用它。请记住以整洁的形式提供输出。它是使用 broom 包中的 tidy() 函数完成的。

model <- lm(mpg ~ disp + wt, data = mtcars)
kableExtra::kable(x = broom::tidy(model), format = "pipe")

你会得到一个这样的表格:

term estimate std.error statistic p.value
(Intercept) 34.9605540 2.1645395 16.151497 0.0000000
disp -0.0177247 0.0091904 -1.928609 0.0636198
wt -3.3508253 1.1641281 -2.878399 0.0074307

要了解更多信息,请在控制台中运行 ?kableExtra::kable。还有更多的格式化选项,例如,latex、html、pipe(Pandoc 的管道表)、simple(Pandoc 的简单表)和 rest。

您可以从这些地方了解更多信息:

    Pretty printing tables in markdown Stargazer documentation

【讨论】:

根据想要的实际输出,broom::tidy(model) 已经可以完成这项工作。 +1【参考方案2】:

最好的方法是在RMarkdown 中准备报告,然后使用kableExtratidy 使表格格式正确。例如:

library(kableExtra)
library(broom)
lm(Sepal.Length ~ Sepal.Width + Petal.Length, data=iris) |>
  tidy() |> 
  kable() |> 
  kable_classic()

将创建一个包含回归结果的表。您可以通过添加列来玩转(因为tidy 是一个数据框,您可以例如计算置信区间并添加它们)并修改格式,请参阅kableExtra 手册(https://cran.r-project.org/web/packages/kableExtra/vignettes/awesome_table_in_html.html),还有一个版本对于通过 LaTeX 获取的 PDF 文档。

【讨论】:

【参考方案3】:

如果你想要更科学的输出,满足许多出版商的要求,你想看看 stargazer 包:https://cran.r-project.org/web/packages/stargazer/stargazer.pdf

也可以在这里查看一些示例,尤其是 HTML 示例:http://www.princeton.edu/~otorres/NiceOutputR.pdf

【讨论】:

【参考方案4】:

modelsummary package for R 支持数百种开箱即用的模型类型。它允许您广泛而轻松地自定义表格,并且可以保存为多种格式,包括 Word、HTML、LaTeX/PDF。 (免责声明:我是包的维护者。)

总结 logit 模型的最简单方法是:

library(modelsummary)

mod <- glm(vs ~ hp, data = mtcars, family = binomial)

modelsummary(mod)

您还可以通过将模型保存在列表中并排显示它们:

models <- list(
    glm(vs ~ hp, data = mtcars, family = binomial),
    glm(vs ~ hp + mpg, data = mtcars, family = binomial))

modelsummary(models)

该软件包允许您绘制大量不同的表格和图表,例如:

【讨论】:

以上是关于如何改进回归表的格式?的主要内容,如果未能解决你的问题,请参考以下文章

机器学习算法决策树-5 CART回归树法,M5回归树算法对CART算法改进了什么

血糖检测基于matlab改进深度回归网络的无创血糖检测含Matlab源码 1572期

机器学习算法:线性回归的改进-岭回归-黑马程序员

什么是软件回归测试,如何进行回归测试,进行回归测试时有哪些常用的方法?

r中的chaid回归树到表的转换

DELM回归预测基于matlab人工蜂群算法改进深度学习极限学习机数据回归预测含Matlab源码 1885期