एक तारांकित तालिका में अधिकतम संभावना द्वारा अनुमानित गुणांक प्राप्त करें

Question 1

Stargazer lm (और अन्य) वस्तुओं के लिए बहुत अच्छा लेटेक्स टेबल बनाता है। मान लीजिए कि मैंने अधिकतम संभावना द्वारा एक मॉडल फिट किया है। मैं अपने अनुमानों के लिए एक एलएम जैसी मेज का निर्माण करना चाहता हूं। मैं यह कैसे कर सकता हूँ?

हालांकि यह थोड़ा हैकरी है, एक तरीका यह हो सकता है कि एक "नकली" एलएम ऑब्जेक्ट बनाया जाए जिसमें मेरे अनुमान हों - मुझे लगता है कि यह सारांश (my.fake.lm.object) के रूप में लंबे समय तक काम करेगा। क्या यह आसानी से संभव है?

एक उदाहरण:

library(stargazer)

N <- 200
df <- data.frame(x=runif(N, 0, 50))
df$y <- 10 + 2 * df$x + 4 * rt(N, 4)  # True params
plot(df$x, df$y)

model1 <- lm(y ~ x, data=df)
stargazer(model1, title="A Model")  # I'd like to produce a similar table for the model below

ll <- function(params) {
    ## Log likelihood for y ~ x + student's t errors
    params <- as.list(params)
    return(sum(dt((df$y - params$const - params$beta*df$x) / params$scale, df=params$degrees.freedom, log=TRUE) -
               log(params$scale)))
}

model2 <- optim(par=c(const=5, beta=1, scale=3, degrees.freedom=5), lower=c(-Inf, -Inf, 0.1, 0.1),
                fn=ll, method="L-BFGS-B", control=list(fnscale=-1), hessian=TRUE)
model2.coefs <- data.frame(coefficient=names(model2$par), value=as.numeric(model2$par),
                           se=as.numeric(sqrt(diag(solve(-model2$hessian)))))

stargazer(model2.coefs, title="Another Model", summary=FALSE)  # Works, but how can I mimic what stargazer does with lm objects?

अधिक सटीक होने के लिए: lm ऑब्जेक्ट्स के साथ, Stargazer अच्छी तरह से तालिका के शीर्ष पर आश्रित चर को प्रिंट करता है, जिसमें संबंधित अनुमानों के नीचे कोष्ठक में SE शामिल हैं, और तालिका के निचले भाग में R ^ 2 और टिप्पणियों की संख्या है। वहाँ एक "कस्टम" मॉडल है जो अधिकतम संभावना के अनुसार अनुमानित "मॉडल" के साथ समान व्यवहार प्राप्त करने का एक तरीका है, जैसा कि ऊपर है?

यहाँ एक वस्तु के रूप में मेरी आशातीत उत्पादन को तैयार करने के लिए मेरे विनम्र प्रयास हैं:

model2.lm <- list()  # Mimic an lm object
class(model2.lm) <- c(class(model2.lm), "lm")
model2.lm$rank <- model1$rank  # Problematic?
model2.lm$coefficients <- model2$par
names(model2.lm$coefficients)[1:2] <- names(model1$coefficients)
model2.lm$fitted.values <- model2$par["const"] + model2$par["beta"]*df$x
model2.lm$residuals <- df$y - model2.lm$fitted.values
model2.lm$model <- df
model2.lm$terms <- model1$terms  # Problematic?
summary(model2.lm)  # Not working

Question 2

मुझे बस यह समस्या हो रही थी coef seऔर omitस्टारगेज़र के भीतर और कार्यों के उपयोग के माध्यम से इस पर काबू पा लिया ... उदा

stargazer(regressions, ...
                     coef = list(... list of coefs...),
                     se = list(... list of standard errors...),
                     omit = c(sequence),
                     covariate.labels = c("new names"),
                     dep.var.labels.include = FALSE,
                     notes.append=FALSE), file="")

Question 3

आपको पहले किसी डमी lmऑब्जेक्ट को तुरंत बनाना होगा , फिर उसे तैयार करना होगा:

#...
model2.lm = lm(y ~ ., data.frame(y=runif(5), beta=runif(5), scale=runif(5), degrees.freedom=runif(5)))
model2.lm$coefficients <- model2$par
model2.lm$fitted.values <- model2$par["const"] + model2$par["beta"]*df$x
model2.lm$residuals <- df$y - model2.lm$fitted.values
stargazer(model2.lm, se = list(model2.coefs$se), summary=FALSE, type='text')

# ===============================================
#                         Dependent variable:    
#                     ---------------------------
#                                  y             
# -----------------------------------------------
# const                        10.127***         
#                               (0.680)          
#                                                
# beta                         1.995***          
#                               (0.024)          
#                                                
# scale                        3.836***          
#                               (0.393)          
#                                                
# degrees.freedom              3.682***          
#                               (1.187)          
#                                                
# -----------------------------------------------
# Observations                    200            
# R2                             0.965           
# Adjusted R2                    0.858           
# Residual Std. Error       75.581 (df = 1)      
# F Statistic              9.076 (df = 3; 1)     
# ===============================================
# Note:               *p<0.1; **p<0.05; ***p<0.01

(और फिर निश्चित रूप से सुनिश्चित करें कि शेष सारांश आँकड़े सही हैं)

Question 4

मुझे नहीं पता कि आप स्टारगेज़र का उपयोग करने के लिए कितने प्रतिबद्ध हैं, लेकिन आप झाड़ू और xtable पैकेज का उपयोग करके देख सकते हैं, समस्या यह है कि यह आपको आशा मॉडल के लिए मानक त्रुटियां नहीं देगा

library(broom)
library(xtable)
xtable(tidy(model1))
xtable(tidy(model2))