R中来自Easstats的固定和标准化系数

bmvo0sr5  于 2023-01-28  发布在  其他
关注(0)|答案(1)|浏览(156)

我想知道使用fixest计算和表示标准化系数的最佳方法是什么。

library(parameters)
  library(effectsize)
  library(fixest)
  
  m <- lm(rating ~ complaints, data = attitude) 
  standardize_parameters(m, method="basic")# works

  m <- feols(rating ~ complaints, data = attitude) 
standardize_parameters(m, method="basic")# Error in stats::model.frame(model)[[1]] : subscript out of bounds

我还尝试了modelsummary方法,但它显示了未标准化的系数,没有错误。

library(parameters)
   library(effectsize)
   
   m <- lm(rating ~ complaints, data = attitude)
   
   modelsummary(m, standardize="refit") # works, coeffs are different

   m <- feols(rating ~ complaints, data = attitude)

   modelsummary(m, standardize="refit")# doesn't work, coeffs are the same

任何关于如何优雅而轻松地从fixest估计结果中提取标准化系数的见解或建议都将非常感谢。我的目标是复制在Stata中使用listcoef包的古老做法。非常感谢本文中提到的包的作者!
编辑:“”〉软件包版本(“模型摘要”)[1]“1.1.0.9000”

2vuwiymt

2vuwiymt1#

一个可能的解决方案是自己手动计算标准化系数,如[此处详细说明][1]。作为示例,下面我将对预测因子和结果进行缩放,然后计算模型中唯一预测因子的标准化beta系数。

#### Scale Predictor and Outcome ####
scale.x <- sd(attitude$complaints)
scale.y <- sd(attitude$rating)

#### Obtain Standardized Coefficients ####
sb <- coef(m)[2] * scale.x / scale.y
sb

这样就得到了(可以忽略列名,因为它只是从原始的coef向量中借用的):

complaints 
 0.8254176

[1]:https://www.sciencedirect.com/topics/mathematics/标准化回归系数#:~:text=找到的标准化回归系数,标准化单位中的一个(

相关问题