标签：输出 cor word attitude year matr type 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
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')
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")
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
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。
另：附上官方示例文件-官方示例文件
标签：输出,cor,word,attitude,year,matr,type,stargazer 来源： https://blog.csdn.net/shihuahuay/article/details/113704351
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。