让观星者打印多项逻辑回归中的观察次数

Question

有没有办法在观星表中打印多项逻辑回归模型的观察次数？此示例代码说明了该问题。 谢谢。

var1<-sample(c('A', 'B', 'C'), size=1000, replace=T)
var2<-rnorm(n=1000)
var3<-rnorm(n=1000)
df<-data.frame(var1, var2, var3)
library(nnet)
mod1<-multinom(var1~var2+var3, data=df)
library(stargazer)
stargazer(mod1, nobs=T, type="text")

Answer 1

Stargazer 是一个非常不错的软件包，但有时您必须“手动”进行一些调整。如果您想在输出中进行多次观察，请执行以下操作：

stargazer(mod1, 
          type="text", 
          add.lines = list(c("n", nrow(df), nrow(df))))

如果你想在乳胶中创建一个表，你可以使用：

stargazer(mod1, 
          type="latex", 
          add.lines = list(c("\\textit{$n$}", nrow(df), nrow(df))))

这种方法是这样的，一旦你用乳胶渲染它，“n”就会变成数学字体。

==============================================
                      Dependent variable:     
                  ----------------------------
                        B              C      
                       (1)            (2)     
----------------------------------------------
var2                  0.0002        -0.055    
                     (0.080)        (0.079)   
                                              
var3                  -0.088         0.012    
                     (0.078)        (0.077)   
                                              
Constant              -0.029         0.030    
                     (0.078)        (0.077)   
                                              
----------------------------------------------
n                      1000          1000     
Akaike Inf. Crit.   2,206.078      2,206.078  
==============================================
Note:              *p<0.1; **p<0.05; ***p<0.01

希望这正是您所要求的。

Answer 2

texreg 会代替你工作吗？

library(texreg)
screenreg(list(mod1))
# ====================================
#                 B          C        
# ------------------------------------
# (Intercept)         0.01      -0.03 
#                    (0.08)     (0.08)
# var2               -0.06       0.01 
#                    (0.08)     (0.08)
# var3                0.04       0.10 
#                    (0.08)     (0.08)
# ------------------------------------
# AIC              2206.34    2206.34 
# BIC              2235.79    2235.79 
# Log Likelihood  -1097.17   -1097.17 
# Deviance         2194.34    2194.34 
# Num. obs.        1000       1000    
# ====================================
# *** p < 0.001, ** p < 0.01, * p < 0.05

我可能错了，但我不确定这是否可以通过 nnet 和 stargazer 轻松完成。你可以让你的模型模仿不同的输出。有关approach 的类型，请参见此处。