R broom glance.fixest 看一眼最固定的物體

Glance 接受模型對象並返回 tibble::tibble()，其中僅包含一行模型摘要。摘要通常是擬合優度度量、殘差假設檢驗的 p 值或模型收斂信息。

Glance 永遠不會返返回自對建模函數的原始調用的信息。這包括建模函數的名稱或傳遞給建模函數的任何參數。

Glance 不計算匯總度量。相反，它將這些計算外包給適當的方法並將結果收集在一起。有時擬合優度測量是不確定的。在這些情況下，該度量將報告為 NA 。

無論模型矩陣是否秩虧，Glance 都會返回相同的列數。如果是這樣，則不再具有明確定義值的列中的條目將使用適當類型的 NA 進行填充。

用法

# S3 method for fixest
glance(x, ...)

參數

x: 從任何 fixest 估計器返回的 fixest 對象
...: 傳遞給 summary 和 confint 的其他參數。重要參數是 se 和 cluster 。其他參數包括 dof 、 exact_dof 、 forceCovariance 和 keepBounded 。請參閱summary.fixest。

注意

下麵列出的所有列都將返回，但有些列將是 NA ，具體取決於估計的模型類型。對於 feols 以外的任何模型， sigma 、 r.squared 、 adj.r.squared 和 within.r.squared 將為 NA。 pseudo.r.squared 對於 feols 將不適用。

值

恰好隻有一行和一列的 tibble::tibble()：

adj.r.squared: 調整後的 R 平方統計量，除了考慮自由度之外，與 R 平方統計量類似。
AIC: 模型的 Akaike 信息準則。
BIC: 模型的貝葉斯信息準則。
logLik: 模型的對數似然。 [stats::logLik()] 可能是一個有用的參考。
nobs: 使用的觀察數。
pseudo.r.squared: 與 R 平方統計量類似，但適用於未定義 R 平方統計量的情況。
r.squared: R 平方統計量，或模型解釋的變異百分比。也稱為決定係數。
sigma: 殘差的估計標準誤差。
within.r.squared: 固定效應組內的 R 平方。

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.

源代碼：R/fixest-tidiers.R

相關用法

注：本文由純淨天空篩選整理自等大神的英文原創作品 Glance at a(n) fixest object。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。