我运行一系列回归模型(几乎每天)。我通过使用日期(年-月-日格式)标记导出的回归结果来手动跟踪我的结果。如何在Stata中实现自动化(使用outreg2 to Word)?下面是一个最小的工作示例: * load data
use http://www.stata-press.com/data/r13/nlswork
* regression
reg ln_wage c.age c.wks_u i.race i.union
* export results in word document in a file appended by "today"/date
outr
我正在用一组一致的自变量对结果变量列表进行多变量回归。对于单变量回归,我遵循在嵌套数据框架上使用来自gtsummary的tl_uvregression,但我试图将其推广到嵌套数据框架上使用tbl_regression的多变量回归,当我试图对表进行unnest时,我得到了“输入必须是向量列表”的错误。下面是我尝试过的--我想我错过了一些很小但很关键的一步,但我不知道它是什么。我想要的输出是一个多变量回归输出表,其中每个模型作为列,所有协变量作为行(类似于在这些多变量模型的列表上执行tbl_merge,这些模型在tbl_regression中单独运行)。
library(tidyverse)
li
我做了一个回归,看起来是这样的:
survfit(Surv(YearsToEvent, Event) ~ CancerType, data = RegressionData)
由此,我得到了这样一个输出表(为了提高可读性,我删除了一些列):
n
Cancer A 100
Cancer B 200
但是,当我使用ggsurvplot绘制输出时,其中有一个plot +一个带有"number at risk“的表,我希望能够手动调整图例的顺序。也就是说,我希望能够将Cancer B放在Cancer A之前。我在这里发现了一个类似的线程:。但是,我没有在里面找
这似乎是一个非常基本的问题,但我一直未能找到解决办法。实际上,我希望在for循环中运行线性回归,并在csv文件中存储每个迭代的模型系数(以及可能的标准错误)。
作为参考,我正在对宏观经济“冲击”进行Fama-MacBeth回归(宏观经济因素的残差随其滞后的价值而回归)。
循环的代码如下所示
for (i in 7:69){
model <- lm(data = data, data[[i]]~TM2R+IPR+InfR+UnR+OilR)
#Model coefficients
print(model$coefficients)
#Standard Errors in r
def show_hidden_word(secret_word, old_letters_guessed):
i = 0
new_string = ""
while i < len(secret_word):
j = 0
print(1)
for j in old_letters_guessed:
if secret_word[i] == old_letters_guessed[j]:
new_string += secret_word[i]
print(old_letters_guesse