r-来自观星器中多模型的混合和匹配协变量

Question

我正在尝试混合和匹配一些多项式逻辑回归模型的一些系数，以显示它们在模型中的比较情况。我想要的输出是m1中var2的选择B和C的系数，然后是m2中var3的选择B或C的系数。但出于我的目的，我希望它们分为两列(例如B和C(，而不是并排。。是因为元素(Intercept(和Constant可能不匹配吗？

# Fake data
var1<-sample(c('A', 'B', 'C'), replace = T, size=100)
var2<-sample(c(0,1), size=100, replace=T)
var3<-rnorm(100, mean=10, sd=2)
#Turn into a data frame
df<-data.frame(var1, var2, var3)
#make multinomial models
library(nnet)
m1<-multinom(var1~var2, data=df)
m2<-multinom(var1~var3, data=df)
m3<-multinom(var1~var2+var3, data=df)
#
summary(m1)$coefficients
summary(m2)$coefficients
#This doesn't work, but I thought it would
stargazer(m3, type="text", coef=list(summary(m1)$coefficients[,2], summary(m2)$coefficients[,2]))

我想看看这样的东西。

|Covariate                   | B     | C.   |
| var2 from m1               | 0.5   | -0.2 |
| std.error for var2 from m1 | (0.1) | (0.2)|
| var3 from m2               | 0.2   | -0.4.|
| std.error for var3 from m2 | (0.3) | (0.2)|  

Answer 1

我的modelsummary包的开发版本包含一个名为modelsummary_wide的函数，它可以执行您想要的操作(包括：自我提升警报(。当该功能出现在CRAN上时，应在0.6.3版本中提供该功能。在此之前，您可以从github:安装它

library(remotes)
install_github("vincentarelbundock/modelsummary")

完全重新启动R会话以确保新安装生效。然后，使用nnet软件包模拟数据并估计两个多项式回归模型

library(nnet)
library(modelsummary)
var1 <- sample(c('A', 'B', 'C'), replace = T, size=100)
var2 <- sample(c(0,1), size=100, replace=T)
var3 <- rnorm(100, mean=10, sd=2)
var4 <- rnorm(100, mean=10, sd=2)
df1 <- data.frame(var1, var2, var3, var4)
var1 <- sample(c('A', 'B', 'C'), replace = T, size=100)
var2 <- sample(c(0,1), size=100, replace=T)
var3 <- rnorm(100, mean=10, sd=2)
df2 <- data.frame(var1, var2, var3)
models <- list(
multinom(var1~var2+var4, data=df1),
multinom(var1~var2+var3, data=df2)
)

最后，我们使用modelsummary_wide函数来绘制表格：

modelsummary_wide(models, output="markdown")
|                    |B       |C       |
|:-------------------|:-------|:-------|
|Model 1 (Intercept) |-0.783  |0.580   |
|                    |(1.377) |(1.399) |
|Model 1 var2        |0.462   |-0.119  |
|                    |(0.479) |(0.501) |
|Model 1 var4        |0.033   |-0.091  |
|                    |(0.132) |(0.138) |
|Model 2 (Intercept) |0.635   |-0.032  |
|                    |(1.322) |(1.265) |
|Model 2 var2        |-0.457  |-0.125  |
|                    |(0.519) |(0.483) |
|Model 2 var3        |-0.045  |0.031   |
|                    |(0.127) |(0.120) |
|Model 1 AIC         |227.417 |        |
|Model 1 deviance    |215.417 |        |
|Model 1 edf         |6.000   |        |
|Model 1 nobs        |100     |        |
|Model 2 AIC         |228.988 |        |
|Model 2 deviance    |216.988 |        |
|Model 2 edf         |6.000   |        |
|Model 2 nobs        |100     |        |

请注意，modelsummary_wide仍处于实验阶段。它的API(甚至函数的名称(可能会在正式发布之前有所改变。