使用 Stargazer 或其他软件包在 Knitr 中呈现 Zelig Logistic 回归答案

【问题标题】：Presenting Zelig Logistic Regression in Knitr with Stargazer or Other Package使用 Stargazer 或其他软件包在 Knitr 中呈现 Zelig Logistic 回归
【发布时间】：2016-02-09 22:13:33
【问题描述】：

Stargazer 似乎采用除了逻辑回归之外的大多数 Zelig 模型对象：

m1 <- zelig(voted ~ . - weight_full - by,
        weights = mydata$weight_full,
        data=mydata,
        model="logit",
        cite = FALSE)

我从上面的代码中收到以下警告：

# Error in envRefInferField(x, what, getClass(class(x)), selfEnv)  
# ‘result’ is not a valid field or method name for reference class “Zelig-logit”

任何人都可以使用 Knitr 在回归输出表中呈现这样的模型以生成 .tex/.Rnw 文件吗？

【问题讨论】：

你能提供一个可重现的例子吗？
此问题的标题与实际问题不符。示例中没有关于 stargazer 的内容...

标签： r latex knitr

【解决方案1】：

在康斯坦丁的有用回答的基础上，我创建了一个简单的函数unzelig 来获取一个 glm zelig 对象并返回一个传统的 glm 对象：

# extract data + model + family zelig object, return glm object
unzelig <- function(zelig_model) {
  z_out <- zelig_model$zelig.out$z.out[[1]]
  z_family <- z_out[["family"]][["family"]]

  # when zelig(model = 'ls') assign family <- "gaussian"
  if(is.null(z_family)) {z_family <- "gaussian"}

  glm(z_out, 
      family = z_family) 
  }

# simple example
z1 <- zelig(mpg ~ cyl, model = 'ls', data = mtcars, cite = FALSE)
z2 <- zelig(I(mpg > 15) ~ cyl, model = 'logit', data = mtcars, cite = FALSE)
z3 <- zelig(as.integer(mpg) ~ cyl, model = 'poisson', data = mtcars, cite = FALSE)

g1 <- unzelig(z1)
g2 <- unzelig(z2)
g3 <- unzelig(z3)

stargazer(g1, g2, g3, type = 'text')  

# error check 
g1 <- glm(mpg ~ cyl, data = mtcars)
g2 <- glm(I(mpg > 15) ~ cyl, family = binomial, data = mtcars)
g3 <- glm(as.integer(mpg) ~ cyl, family = poisson, data = mtcars)

stargazer(g1, g2, g3, type = 'text')

此外，还有一个正在开发中的功能，可以使用命令to_zelig 将一些非 Zelig 对象转换为 Zelig 友好的对象。这将允许使用lm 或glm 等标准R 函数估计模型，使用stargazer 或其他包生成表，然后将对象转换为使用Zelig 函数，如setx 和sim。查看更多，在这里： http://docs.zeligproject.org/reference/to_zelig.html

【讨论】：

【解决方案2】：

这可能来得太晚了，但解决方案是使用基础 R 中的 glm() 重新估计模型。以下代码对我有用，使用 Zelig 的新参考类语法估计的逻辑回归。

mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
model1 <- zlogit$new()
model1$zelig(admit ~ gpa,
             data=mydata)
library(stargazer)
stargazer(glm(model1$zelig.out$z.out[[1]], family=binomial(link = "logit")))

使用 Zelig 估计线性回归时，同样的策略也适用。

【讨论】：

【解决方案3】：

Zelig 包现在包含一个方便的函数，可以轻松提取拟合模型对象：

stargazer(from_zelig_model(m1))

应该会产生预期的结果。

【讨论】：