Соотношения шансов вместо логитов в выводе stargazer () LaTeX

Согласно симбиотическому комментарию от 2014 года, более поздние версии '' stargazer '' имеют параметры '' apply. * '' Для '' coef '' '' se '' '' t '' '' p '' и '' ci '', позволяющий напрямую преобразовывать эту статистику.

apply.coef a function that will be applied to the coefficients.
apply.se a function that will be applied to the standard errors.
apply.t a function that will be applied to the test statistics.
apply.p a function that will be applied to the p-values.
apply.ci a function that will be applied to the lower and upper bounds of the confidence intervals.

Это означает, что вы можете напрямую использовать ...

stargazer(model, 
          apply.coef = exp,
          apply.se   = exp)

РЕДАКТИРОВАТЬ: Однако я заметил, что простое возведение в степень CI не дает того, чего вы ожидаете.

РЕДАКТИРОВАТЬ: вы можете получить правильные CI с помощью описанного метода здесь.

stargazer позволяет заменять множество вещей, метки зависимых переменных, метки ковариаций и так далее. Чтобы заменить те, которые вам нужно предоставить вектором меток переменных, это делается для того, чтобы имена строк были доступны для публикации, а не имена переменных из R по умолчанию.

Итак, чтобы иметь отношение шансов, вам нужно предоставить вектор отношений шансов в stargazer. Как получить этот вектор? На самом деле, очень легко. Допустим, ваша модель называется model, тогда ваш код:

coef.vector <- exp(model$coef)
stargazer(model,coef=list(coef.vector))

Если в вашей таблице несколько моделей, то список следует расширить, например coef=list(coef.vector1,coef.vector2,...), где все векторы в списке были бы получены аналогичным возведением в степень, как указано выше.

Итак, проблема в том, что вы хотите отобразить (не логарифмическое) отношение шансов, но сохранить статистику теста на основе базовой линейной модели. По умолчанию, когда вы используете один из методов «применения», например apply.coef = exp, stargazer пересчитывает статистику t и значения p. Мы этого не хотим. Кроме того, стандартные ошибки находятся в основе журнала, но мы не можем просто возвести их в степень. Я предпочитаю:

1. возвести в степень в звездочете
2. выключить авто п и авто т
3. отчет (без преобразования) t-статистики в таблице вместо стандартных ошибок

В коде это:

stargazer(model, apply.coef=exp, t.auto=F, p.auto=F, report = "vct*")

В разных сообщениях есть фрагменты правильного ответа, но ни один из них, похоже, не объединяет все воедино. Предполагая следующее:

glm_out <- glm(Y ~ X, data=DT, family = "binomial")

Получение отношения шансов

Для логистической регрессии коэффициент регрессии (b1) - это предполагаемое увеличение логарифма шансов Y на единицу увеличения X. Итак, чтобы получить отношение шансов, мы просто используем функцию exp:

OR <- exp(coef(glm_out))

# pass in coef directly
stargazer(glm_out, coef = list(OR), t.auto=F, p.auto=F)

# or, use the apply.coef option
stargazer(glm_out, apply.coef = exp, t.auto=F, p.auto=F)

Получение стандартной ошибки отношения шансов

Вы не можете просто использовать apply.se = exp для получения Std. Ошибка отношения шансов

Вместо этого вы должны использовать функцию: Std.Error.OR = OR * SE(coef)

# define a helper function to extract SE from glm output
se.coef <- function(glm.output){sqrt(diag(vcov(glm.output)))}

# or, you can use the arm package
se.coef <- arm::se.coef

#Get the odds ratio
OR <- exp(coef(glm_out))

# Then, we can get the `StdErr.OR` by multiplying the two:
Std.Error.OR <-  OR * se.coef(glm_out)

Итак, чтобы попасть в Stargazer, мы используем следующее:

# using Std Errors
stargazer(glm_out, coef=list(OR), se = list(Std.Error.OR), t.auto=F, p.auto=F)

Вычисление CI для отношения шансов

Доверительные интервалы в настройке отношения шансов не являются симметричными. Итак, мы не можем просто сделать ± 1,96 * SE (OR), чтобы получить доверительный интервал. Вместо этого мы можем вычислить его из исходных логарифмических коэффициентов exp(coef ± 1.96*SE).

# Based on normal distribution to compute Wald CIs:
# we use confint.default to obtain the conventional confidence intervals
# then, use the exp function to get the confidence intervals

CI.OR <- as.matrix(exp(confint.default(glm_out)))

Итак, чтобы попасть в Stargazer, мы используем следующее:

# using ci.custom
stargazer(glm_out, coef=list(OR), ci.custom = list(CI.OR), t.auto=F, p.auto=F, ci = T)

# using apply.ci
stargazer(glm_out, apply.coef = exp, apply.ci = exp, t.auto=F, p.auto=F, ci = T)

ПРИМЕЧАНИЕ ОБ ИСПОЛЬЗОВАНИИ ИНТЕРВАЛА УВЕРЕННОСТИ ДЛЯ ИСПЫТАНИЙ НА ЗНАЧИМОСТЬ:

Не используйте доверительные интервалы отношения шансов для вычисления значимости (см. Примечание и ссылку внизу). Вместо этого вы можете сделать это, используя коэффициенты журнала:

z <- coef(glm_out)/se.coef(glm_out)

И используйте это, чтобы получить значения p для тестов значимости:

pvalue <- 2*pnorm(abs(coef(glm_out)/se.coef(glm_out)), lower.tail = F)

(источник: https://data.princeton.edu/wws509/r/c3s1 )

См. Эту ссылку для более подробного обсуждения статистического тестирования: https://stats.stackexchange.com/questions/144603/why-do-my-p-values-differ-between-logistic-regression-output-критерийхи-квадрат

Однако важно отметить, что, в отличие от значения p, 95% доверительный интервал не сообщает о статистической значимости меры. На практике 95% доверительный интервал часто используется в качестве прокси для наличия статистической значимости, если он не перекрывает нулевое значение (например, OR = 1). Тем не менее было бы неправильно интерпретировать OR с 95% доверительным интервалом, охватывающим нулевое значение, как свидетельство отсутствия связи между воздействием и результатом. источник: объяснение отношения шансов