通过 texreg 输出广义线性模型

Question

我可以使用 texreg 获得漂亮的 glm 输出以用于 knitr。有时我们需要使用逆 link 将 glm 的输出转换回响应。我想知道如何使用 texreg 获得反向 link 输出。类似于 texreg(exp(glm.D93))。

counts <- c(18,17,15,20,10,20,25,13,12)
outcome <- gl(3,1,9)
treatment <- gl(3,3)
d.AD <- data.frame(treatment, outcome, counts)
glm.D93 <- glm(counts ~ outcome + treatment, family = poisson())

library(texreg)
texreg(glm.D93)

产生

\begin{table}
\begin{center}
\begin{tabular}{l c }
\hline
               & Model 1 \
\hline
(Intercept)    & .04^{***}$ \
               & $(0.17)$     \
outcome2       & $-0.45^{*}$  \
               & $(0.20)$     \
outcome3       & $-0.29$      \
               & $(0.19)$     \
treatment2     & [=11=].00$       \
               & $(0.20)$     \
treatment3     & [=11=].00$       \
               & $(0.20)$     \
\hline
AIC            & 56.76        \
BIC            & 57.75        \
Log Likelihood & -23.38       \
Deviance       & 5.13         \
Num. obs.      & 9            \
\hline
\multicolumn{2}{l}{\scriptsize{$^{***}p<0.001$, $^{**}p<0.01$, $^*p<0.05$}}
\end{tabular}
\caption{Statistical models}
\label{table:coefficients}
\end{center}
\end{table}

但是texreg(exp(glm.D93))说

Error in exp(glm.D93) : non-numeric argument to mathematical function

已编辑

glm 使用一些 link 函数并提供系数、 标准误差 和 [=35= link 规模 的置信区间。但有时我们还需要系数、标准误差和置信区间响应规模。 texreg 在 上直接提供系数、 标准误差 和 置信区间 link scale，我想知道是否有可能得到 coefficients, standard errors and 置信区间 直接在 响应量表 上。

我找到了一种使用 stargazer 执行此操作的方法，但标准误差和置信区间仍然不正确。寻找解决方案。

library(stargazer)

stargazer(glm.D93, coef=list(exp(glm.D93$coefficients)), type="text")

=============================================
                      Dependent variable:    
                  ---------------------------
                            counts           
---------------------------------------------
outcome2                   0.635***          
                            (0.202)          

outcome3                   0.746***          
                            (0.193)          

treatment2                 1.000***          
                            (0.200)          

treatment3                 1.000***          
                            (0.200)          

Constant                   21.000***         
                            (0.171)          

---------------------------------------------
Observations                   9             
Log Likelihood              -23.381          
Akaike Inf. Crit.           56.761           
=============================================
Note:             *p<0.1; **p<0.05; ***p<0.01

Answer 1

要么使用覆盖参数来完成这个，要么操作一个中间 texreg 对象：

# solution 1
tr <- extract(glm.D93)
texreg(glm.D93, override.coef = exp(tr@coef), override.se = exp(tr@se))

# solution 2
tr <- extract(glm.D93)
tr@coef <- exp(tr@coef)
tr@se <- exp(tr@se)
texreg(tr)

或者直接从模型对象或其摘要中提取值（如果您不想使用 texreg 的提取函数）并将取幂的值交给覆盖参数。

任何这些解决方案都会产生以下输出（结合 screenreg）：

==========================
                Model 1   
--------------------------
(Intercept)      21.00 ***
                 (1.19)   
outcome2          0.63 *  
                 (1.22)   
outcome3          0.75    
                 (1.21)   
treatment2        1.00    
                 (1.22)   
treatment3        1.00    
                 (1.22)   
--------------------------
AIC              56.76    
BIC              57.75    
Log Likelihood  -23.38    
Deviance          5.13    
Num. obs.         9       
==========================
*** p < 0.001, ** p < 0.01, * p < 0.05

通过 texreg 输出广义线性模型

Generalized Linear Model output through texreg

r

glm

knitr

stargazer

texreg