在统计学中,线性回归模型是一种用于建立自变量和因变量之间关系的方法。在R语言中,lm()函数用于拟合线性回归模型。然而,当数据存在异方差性(heteroscedasticity)时,传统的最小二乘法(OLS)估计可能不再有效。为了解决这个问题,可以使用lm_robust()函数,它使用了异方差稳健标准误差来计算回归系数的估计。
回到你的问题,为什么stargazer给了你lm回归输出的输出表,而不是lm_robust()的输出表。stargazer是一个用于生成漂亮的回归结果表格的R包。然而,stargazer包目前只支持基本的线性回归模型,不支持异方差稳健回归模型。因此,当你使用lm_robust()函数拟合了一个异方差稳健回归模型后,stargazer无法直接处理该模型的结果。
如果你想使用stargazer生成回归结果表格,有几种解决方案。一种方法是将lm_robust()的结果转换为lm()的结果,然后使用stargazer生成表格。这可以通过将异方差稳健标准误差替换为传统的标准误差来实现。另一种方法是使用其他支持异方差稳健回归模型的R包,例如sandwich包和lmtest包,它们可以生成与lm_robust()函数相似的结果,并且可以与stargazer一起使用。
总结起来,stargazer给出了lm回归输出的输出表,而不是lm_robust()的输出表,是因为stargazer目前不支持异方差稳健回归模型。如果你需要生成异方差稳健回归模型的结果表格,可以考虑使用其他支持该模型的R包,或者将结果转换为lm模型的结果后再使用stargazer。
没有搜到相关的沙龙
领取专属 10元无门槛券
手把手带您无忧上云