R语言结果输出到word-stargazer

前言

     关于R结果的导出,有不少的工具可以使用,包括:stargzer、R2word、Sweave R、Knitr、texreg等工具(来源于人大经济论坛讨论贴:如何将R运行结果自动保存?)此处仅介绍使用stargazer导出结果到word.使用的数据集为R自带的attitude数据集。

查看数据集

head(attitude) #查看前5行
str(attitude) #查看数据结构

R语言结果输出到word-stargazer

可以看到,该数据集包含8个变量,30条数据。

描述性统计

library('stargazer')
#在工作空间展示
stargazer(attitude, title = "Tab了e 1. descriptive statistic",type =
"text",no.space=TRUE,summary.stat=c('median','mean','sd','min','max'))
#导出到相应路径,结果为doc的表格
stargazer(attitude, title = "Table 1. descriptive statistic",type ="html",
out='C:/Users/xxx/Desktop/descriptive statistic')

R语言结果输出到word-stargazer

   注:1)stargazer的summary.stat参数可以选择要展示的统计量,统计量的简写可见stargazer参数解释文件P23;
          2)summary参数=FLASE,结果为查看整个数据集或数据集的子集,默认为TRUE;
          3)rownames设置为FALSE来去掉行号;
          4)其他见文件stargazer参数解释文件。

相关性分析

cor_matr=cor(attitude)
#cor_matr=cor(df1,method = 'spearman')
#在工作空间展示
stargazer(cor_matr, title = "Table 2. variable correlations",type = "text")
#导出到相应路径,结果为doc的表格
stargazer(cor_matr, title = "Table2. variable correlations",type ="html",
out='C:/Users/xxx/Desktop/correlation.doc')
#计算相关系数的显著性
library('psych')
corr.test(attitude, use = "complete",method = "pearson", adjust = "none")
#可视化相关系数矩阵
library('corrplot')
corrplot(corr = cor_matr,order = "AOE",type="upper",tl.pos = "d")
corrplot(corr = cor_matr,add=TRUE, type="lower", method="number",order="AOE",diag=FALSE,tl.pos="n", cl.pos="n")

R语言结果输出到word-stargazer
R语言结果输出到word-stargazer
     注:计算两个变量之间的相关性显著性可以直接使用cor.test函数(无需调包),method默认是pearson,alternative默认是双尾(即总体相关系数不等于0)。关于相关性分析细节可见生信笔记文章R语言相关性分析

回归分析

linear.1 <- lm(rating ~ complaints + privileges + learning + raises + critical, data = attitude)
linear.2 <- lm(rating ~ complaints + privileges + learning, data = attitude)
#结果导出到工作空间
stargazer(linear.1,linear.2,title="Table 3. Regression Results",type='text',no.space=TRUE)
#结果导出参数解释
stargazer(linear.1,linear.2, title="Regression Results",
dep.var.labels=c("Overall Rating"), #dv名称修改
covariate.labels=c("Handling of Complaints","No Special Privileges",
"Opportunity to Learn","Performance-Based Raises","Too Critical","Advancement"),#iv名称修改
omit.stat=c("LL","ser","f"),#忽略的一些统计量
keep.stat="n"#删除一些统计量,保留obersvation,只用一个参数即可
order=c("learning", "privileges"...), #展示变量的顺序,此处未写全,用省略号表示,实际中需要写全
ci=TRUE, ci.level=0.90, #报告90%置信区间,而非标准误
single.row=TRUE) #系数和标准误在同一行

R语言结果输出到word-stargazer
     注:有时候需要隐藏某个变量的结果,仅用YES代表加入了模型,如year fixed effect。具体操作是回归方程中加入factor(year),展示时候加上omit = c(“year”),omit.labels = c(‘year’)。

#常用统计量简写
"max" maximum
"mean" mean
"median" median
"min" minimum
"n" number of observations
"p25" 25th percentile
"p75" 75th percentile
"sd" standard deviation

总结

     1)stargazer输出到word,需要改变参数type=‘html’,并加上输出的路径;
      2)no.space=TRUE解决输出表格空一行的问题,试试不加这一项就知道差别了;
      3)描述性统计输出想要的统计量需要统计量的简写,回归结果导出删除一些不想要的统计量,都可通过查看文件stargazer参数解释解决;
      4)有时候需要隐藏某个变量的结果,仅用YES代表加入了模型,如year fixed effect。具体操作是回归方程中加入factor(year),展示时候加上omit = c(“year”),omit.labels = c(‘year’)
      5)对导出结果不满意的,可以在word中手动修改。
     :附上官方示例文件-官方示例文件

上一篇:I-deas TMG 基础培训教程 – 小例题 (6)-续


下一篇:我现在知道使用ROS话题消息的功能包的命名空间是在哪里定义的了