R broom tidy.fixest 整理 a(n) 个最固定的对象

Tidy 总结了有关模型组件的信息。模型组件可能是回归中的单个项、单个假设、聚类或类。 tidy 所认为的模型组件的确切含义因模型而异，但通常是不言而喻的。如果模型具有多种不同类型的组件，您将需要指定要返回哪些组件。

用法

# S3 method for fixest
tidy(x, conf.int = FALSE, conf.level = 0.95, ...)

参数

x: 从任何 fixest 估计器返回的 fixest 对象
conf.int: 逻辑指示是否在整理的输出中包含置信区间。默认为 FALSE 。
conf.level: 用于置信区间的置信水平(如果 conf.int = TRUE )。必须严格大于 0 且小于 1。默认为 0.95，对应于 95% 的置信区间。
...: 传递给 summary 和 confint 的其他参数。重要参数是 se 和 cluster 。其他参数包括 dof 、 exact_dof 、 forceCovariance 和 keepBounded 。请参阅summary.fixest。

细节

fixest 包提供了一系列函数，用于在 OLS 和 GLM 上下文中估计具有任意数量的 fixed-effects 的模型。该软件包还通过通用 summary.fixest() 命令支持稳健(即 White)和集群标准错误报告。同样，这些模型的 tidy() 方法允许用户指定所需的标准误差校正：1) 通过提供的固定对象隐式指定，或 2) 作为 tidy 调用的一部分显式指定。请参阅下面的示例。

请注意，固定置信区间是在假设正态分布的情况下计算的 - 这假设 CI 具有无限的自由度。 (此假设与用于计算标准误差的自由度不同。有关集群和固定效应的自由度的更多信息，请参阅https://github.com/lrberge/fixest/issues/6和https://github.com/sgaure/lfe/issues/1#issuecomment-530646990)

也可以看看

tidy() , fixest::feglm() , fixest::fenegbin() , fixest::feNmlm() , fixest::femlm() , fixest::feols() , fixest::fepois()

其他最固定的整理器：augment.fixest()

值

带有列的 tibble::tibble()：

conf.high: 估计置信区间的上限。
conf.low: 估计置信区间的下限。
estimate: 回归项的估计值。
p.value: 与观察到的统计量相关的两侧 p 值。
statistic: 在回归项非零的假设中使用的 T-statistic 的值。
std.error: 回归项的标准误差。
term: 回归项的名称。

例子


# load libraries for models and data
library(fixest)

gravity <-
  feols(
    log(Euros) ~ log(dist_km) | Origin + Destination + Product + Year, trade
  )

tidy(gravity)
#> # A tibble: 1 × 5
#>   term         estimate std.error statistic       p.value
#>   <chr>           <dbl>     <dbl>     <dbl>         <dbl>
#> 1 log(dist_km)    -2.17     0.154     -14.1 0.00000000119
glance(gravity)
#> # A tibble: 1 × 9
#>   r.squared adj.r.squared within.r.squared pseudo.r.squared sigma  nobs
#>       <dbl>         <dbl>            <dbl>            <dbl> <dbl> <int>
#> 1     0.706         0.705            0.219               NA  1.74 38325
#> # ℹ 3 more variables: AIC <dbl>, BIC <dbl>, logLik <dbl>
augment(gravity, trade)
#> # A tibble: 38,325 × 9
#>    .rownames Destination Origin Product  Year dist_km    Euros .fitted
#>    <chr>     <fct>       <fct>    <int> <dbl>   <dbl>    <dbl>   <dbl>
#>  1 1         LU          BE           1  2007    140.  2966697    14.1
#>  2 2         BE          LU           1  2007    140.  6755030    13.0
#>  3 3         LU          BE           2  2007    140. 57078782    16.9
#>  4 4         BE          LU           2  2007    140.  7117406    15.8
#>  5 5         LU          BE           3  2007    140. 17379821    16.3
#>  6 6         BE          LU           3  2007    140.  2622254    15.2
#>  7 7         LU          BE           4  2007    140. 64867588    17.4
#>  8 8         BE          LU           4  2007    140. 10731757    16.3
#>  9 9         LU          BE           5  2007    140.   330702    14.1
#> 10 10        BE          LU           5  2007    140.     7706    13.0
#> # ℹ 38,315 more rows
#> # ℹ 1 more variable: .resid <dbl>

# to get robust or clustered SEs, users can either:

# 1) specify the arguments directly in the `tidy()` call

tidy(gravity, conf.int = TRUE, cluster = c("Product", "Year"))
#> # A tibble: 1 × 7
#>   term         estimate std.error statistic  p.value conf.low conf.high
#>   <chr>           <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
#> 1 log(dist_km)    -2.17    0.0760     -28.5 3.88e-10    -2.34     -2.00

tidy(gravity, conf.int = TRUE, se = "threeway")
#> # A tibble: 1 × 7
#>   term         estimate std.error statistic     p.value conf.low conf.high
#>   <chr>           <dbl>     <dbl>     <dbl>       <dbl>    <dbl>     <dbl>
#> 1 log(dist_km)    -2.17     0.175     -12.4     6.08e-9    -2.54     -1.79

# 2) or, feed tidy() a summary.fixest object that has already accepted
# these arguments

gravity_summ <- summary(gravity, cluster = c("Product", "Year"))

tidy(gravity_summ, conf.int = TRUE)
#> # A tibble: 1 × 7
#>   term         estimate std.error statistic  p.value conf.low conf.high
#>   <chr>           <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl>
#> 1 log(dist_km)    -2.17    0.0760     -28.5 3.88e-10    -2.34     -2.00

# approach (1) is preferred.

源代码：R/fixest-tidiers.R

相关用法

注：本文由纯净天空筛选整理自等大神的英文原创作品 Tidy a(n) fixest object。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。