我有一个数据框架，其中包含来自多个模型的估计值，每个模型都在一个单独的国家样本上运行。
cntry term estimate std.error statistic p.value
1 DE (Intercept) -2.775951e+00 1.140836e+00 -2.43325992 0.01496355
2 DE agea 7.329692e-02 3.933452e-02 1.86342470 0.06240254
3 DE agesq -9.109431e-04 3.989225e-04 -2.28350889 0.02240041
4 DE children1 -3.243184e-01 2.325079e-01 -1.39487027 0.16305496
5 DE class817 -1.487238e+01 5.319496e+02 -0.02795825 0.97769545
6 DE class82 -7.983340e-01 5.897445e-01 -1.35369461 0.17583383
此处提供的数据是以长格式构建的。每个国家样本都包含相同的术语，当数据转换为宽格式时可以看出：
pivot_wider(names_from = cntry,
values_from = c("estimate", "std.error", "statistic", "p.value"))
我现在正在努力创建一个并排的回归表。根据上面链接上提供的样本数据，这意味着五个国家有五列，根据显著性水平，单个术语为行和星。所有相关信息都在数据集中(估计值、p值、标准误差(。然而，我不知道如何显示它。我通常使用texreg或stargazer这样的包来实现这一点，虽然这个答案指向了一个可能的解决方案，但我不知道该如何使其工作。
这样？
library("texreg")
dta <- read.csv("models.csv")
countries <- unique(as.character(dta$cntry))
tr <- lapply(countries, function(x) {
d <- dta[dta$cntry == x, ]
t <- createTexreg(coef.names = as.character(d$term),
coef = d$estimate,
se = d$std.error,
pvalues = d$p.value,
model.name = x)
return(t)
})
screenreg(tr)
输出：
===================================================================
DE ES FR PL SE
-------------------------------------------------------------------
(Intercept) -2.78 * -2.73 ** -3.26 * -3.91 -2.74 *
(1.14) (0.96) (1.28) (2.03) (1.12)
agea 0.07 0.06 0.08 * 0.08 -0.04
(0.04) (0.03) (0.04) (0.07) (0.03)
agesq -0.00 * -0.00 * -0.00 ** -0.00 0.00
(0.00) (0.00) (0.00) (0.00) (0.00)
children1 -0.32 -0.44 * -0.06 -0.96 ** -0.46
(0.23) (0.18) (0.23) (0.35) (0.24)
class817 -14.87 0.32 0.46 0.11 0.03
(531.95) (0.61) (0.87) (1.08) (1.24)
class82 -0.80 -0.35 -0.13 -0.18 0.99
(0.59) (0.59) (0.73) (0.78) (0.74)
class83 -0.30 0.59 0.70 -2.63 ** 0.88
(0.49) (0.58) (0.67) (1.02) (0.70)
class84 -0.34 0.11 0.34 -0.96 0.43
(0.55) (0.57) (0.70) (0.88) (0.76)
class85 -0.49 0.36 0.80 -0.18 1.04
(0.48) (0.56) (0.66) (0.72) (0.67)
class86 -0.41 1.01 0.42 -0.66 0.83
(0.54) (0.58) (0.69) (0.89) (0.73)
class87 0.09 0.49 1.27 -0.79 1.14
(0.47) (0.58) (0.65) (0.82) (0.66)
class88 -0.56 0.14 0.28 -0.46 1.33
(0.55) (0.56) (0.72) (0.84) (0.68)
domicil2 -0.69 * 0.01 0.00 1.16 -0.46
(0.30) (0.34) (0.34) (0.64) (0.27)
domicil3 -0.71 ** -0.11 -0.09 -1.06 ** -0.13
(0.25) (0.23) (0.29) (0.39) (0.25)
domicil4 -1.18 *** -0.24 -0.01 -0.67 -1.43 **
(0.30) (0.23) (0.29) (0.37) (0.44)
domicil5 -0.93 -0.71 0.27 -14.99 -0.75
(0.66) (0.59) (0.41) (1329.91) (0.39)
eduyrs 0.04 0.03 * 0.01 0.16 ** 0.08 **
(0.03) (0.01) (0.03) (0.05) (0.03)
gndr2 -0.12 0.32 -0.46 * -0.13 0.24
(0.22) (0.18) (0.20) (0.31) (0.20)
hincfel2 0.17 -0.06 -0.23 -1.10 ** -0.03
(0.21) (0.19) (0.21) (0.36) (0.22)
hincfel3 -0.29 0.04 -0.17 -1.07 * -0.09
(0.52) (0.26) (0.32) (0.53) (0.46)
hincfel4 0.55 -0.39 0.81 -14.97 0.36
(0.84) (0.58) (0.66) (1185.50) (0.83)
unemployed1 0.43 * 0.31 0.39 0.00 0.12
(0.22) (0.19) (0.27) (0.37) (0.22)
===================================================================
*** p < 0.001; ** p < 0.01; * p < 0.05