使R报告调整后的R平方和输出中的F检验具有可靠的标准误差

如何解决使R报告调整后的R平方和输出中的F检验具有可靠的标准误差

我已经使用lm(x~y1 + y1 + ... + yn)估计了线性回归模型，并且为了解决当前的异方差性，我让R估计了鲁棒的标准误差，

coeftest(model,vcov = vcovHC(model,type = "HC0"))

我知道“正常”模型中的（稳健）R平方和F统计量仍然有效，但是如何获得R在输出中报告它们呢？我想将来自不同规格的几个回归输出与stargazer融合在一起，如果我不得不为了获得这些统计数据而不得不输入非稳健模型，那将变得非常混乱。理想情况下，我想在包含这些统计信息的stargazer中输入回归输出，然后将其导入到其框架中。

提前感谢所有答案

解决方法

这是解决方法。您需要使用stargazer支持的模型对象作为模板，然后可以提供要使用的标准错误列表：

library(dplyr)
library(lmtest)
library(stargazer)


# Basic Model ---------------------------------------------------------------------------------

model1 <- lm(hp ~ factor(gear) + qsec + cyl + factor(am),data = mtcars)
summary(model1)


# Robust standard Errors ----------------------------------------------------------------------

model_robust <- coeftest(model1,vcov = vcovHC(model1,type = "HC0"))

# Get robust standard Errors (sqrt of diagonal element of variance-covariance matrix)
se = vcovHC(model1,type = "HC0") %>% diag() %>% sqrt()

stargazer(model1,model1,se = list(NULL,se),type = 'text')

使用这种方法，即使对于不受支持的模型对象，也可以使用stargazer。您只需要系数，标准误差和p值作为向量。然后，您甚至可以“机械地插入”不受支持的模型。

最后一个音符。您是正确的，一旦出现异方差，仍然可以使用Rsquared。但是，总体F检验和t检验不再有效。

,

我没有stargarzer的解决方案，但对于具有可靠标准错误的回归表，我确实有两个可行的选择：

选项1

使用modelsummary包制作表格。

它有一个statistic_override参数，可让您提供一个用于计算鲁棒方差协方差矩阵的函数（例如sandwich::vcovHC。

library(modelsummary)
library(sandwich)

mod1 <- lm(drat ~ mpg,mtcars)
mod2 <- lm(drat ~ mpg + vs,mtcars)
mod3 <- lm(drat ~ mpg + vs + hp,mtcars)
models <- list(mod1,mod2,mod3)

modelsummary(models,statistic_override = vcovHC)

注1：上面的屏幕截图来自HTML表，但是modelsummary包也可以保存Word，LaTeX或markdown表。

注意2：我是此软件包的作者，因此请将此视为可能带有偏见的观点。

选项2

使用estimatr::lm_robust函数，该函数自动包含可靠的标准错误。我相信estimatr支持stargazer，但我知道它受modelsummary支持。

library(estimatr)

mod1 <- lm_robust(drat ~ mpg,mtcars)
mod2 <- lm_robust(drat ~ mpg + vs,mtcars)
mod3 <- lm_robust(drat ~ mpg + vs + hp,mod3)

modelsummary(models)