如何存储来自fixest回归的估计样本以计算摘要统计信息？

huangapple
go评论113阅读模式
英文:

How do I store the estimation sample from a fixest regression to calculate summary statistics?

问题

如何存储fixest::feols回归的估计样本，以便计算汇总统计信息？在Stata中，可以使用e(sample)来实现，例如sum y if e(sample)来计算估计样本中因变量的均值。

从之前的问题中，我看到可以使用obs(model)来存储估计样本，以便在使用subset运行进一步的回归分析，但我不知道如何使用它来计算汇总统计信息，因为obs(model)返回整数而不是布尔值。

英文:

How do I store the estimation sample from a fixest::feols regression so that I can calculate summary statistics? In Stata this can be done with e(sample), eg. sum y if e(sample) to calculate the mean of the dependent variable on the estimation sample.

From a previous question, I see that obs(model) can be used to store the estimation sample to run further regressions using subset, but I don't see how to use it to calculate summary statistics, because obs(model) returns integers instead of Booleans.

答案1

得分: 0

R不是Stata：看起来这个问题更像是关于如何在R中报告描述性统计的一般性问题。

有很多种方法来报告描述性统计数据。我在下面提供了一个示例，演示了如何为估计样本精心筛选描述性统计数据。

  1. library(fixest)
  2. base = setNames(iris, c("y", "x1", "x2", "x3", "species"))
  3. # 让我们添加一些缺失值
  4. base$x1[1:5] = NA
  5. # 估计
  6. est = feols(y ~ x1, base)
  7. #> 注意: 由于NA值（RHS: 5），删除了5个观察值。
  9. # 有无数种方法可以获取描述性统计数据
  10. # 作为示例，让我们使用collapse包
  11. library(collapse)
  12. descr(base[obs(est), all.vars(est$fml)])
  13. #> 数据集：all.vars(x$fml)，2个变量，N = 145
  14. #> ------------------------------------------------------- 
  15. #> y (numeric):
  16. #> 统计信息
  17. #>     N  Ndist  平均值    标准差  最小值  最大值  偏度  峰度
  18. #>   145     35  5.88  0.82  4.3  7.9  0.27  2.46
  19. #> 四分位数
  20. #>    1%    5%  10%  25%  50%  75%  90%   95%  99%
  21. #>   4.4  4.62  4.9  5.2  5.8  6.4  6.9  7.28  7.7
  22. #> -------------------------------------------------------
  23. #> x1 (numeric):
  24. #> 统计信息
  25. #>     N  Ndist  平均值    标准差  最小值  最大值  偏度  峰度
  26. #>   145     23  3.05  0.44    2  4.4  0.35  3.19
  27. #> 四分位数
  28. #>    1%    5%  10%  25%  50%  75%   90%  95%   99%
  29. #>   2.2  2.32  2.5  2.8    3  3.3  3.66  3.8  4.16
  30. #> ---------------------------------------------------------

此外，您可以很容易地使用以下函数自动化这一过程：

  1. # 让我们创建一个自动化的函数
  2. summ = function(x){
  3.   # x: fixest估计
  4.   
  5.   # 我们获取数据
  6.   data = model.matrix(x, type = c("lhs", "rhs"))
  7.   # 我们删除截距
  8.   var_keep = names(data) != "(Intercept)"
  9.   data = data[var_keep]
  10.   # 汇总统计
  11.   descr(data)
  12. }
  14. summ(est)
  15. #> 数据集：数据，2个变量，N = 145
  16. #> ----------------------------------------------------- 
  17. #> y (numeric):
  18. #> 统计信息
  19. #>     N  Ndist  平均值    标准差  最小值  最大值  偏度  峰度
  20. #>   145     35  5.88  0.82  4.3  7.9  0.27  2.46
  21. #> 四分位数
  22. #>    1%    5%  10%  25%  50%  75%  90%   95%  99%
  23. #>   4.4  4.62  4.9  5.2  5.8  6.4  6.9  7.28  7.7
  24. #> ----------------------------------------------------- 
  25. #> x1 (numeric):
  26. #> 统计信息
  27. #>     N  Ndist  平均值    标准差  最小值  最大值  偏度  峰度
  28. #>   145     23  3.05  0.44    2  4.4  0.35  3.19
  29. #> 四分位数
  30. #>    1%    5%  10%  25%  50%  75%   90%  95%   99%
  31. #>   2.2  2.32  2.5  2.8    3  3.3  3.66  3.8  4.16
  32. #> ------------------------------------------------------

如果您希望得到一个表格，您可以轻松地调整代码以适用于datasummary：

  1. library(modelsummary)
  2. summ = function(x){
  3.   # x: fixest估计
  4.   
  5.   # 我们获取数据
  6.   data = model.matrix(x, type = c("lhs", "rhs"))
  7.   # 我们删除截距
  8.   var_keep = names(data) != "(Intercept)"
  9.   data = data[var_keep]
  10.   # 汇总统计
  11.   datasummary(All(data) ~ Mean + SD + Min + Median + Max, data, output = "dataframe")
  12. }
  14. summ(est)
  15. #>      Mean   SD  Min Median  Max
  16. #> 1  y 5.88 0.82 4.30   5.80 7.90
  17. #> 2 x1 3.05 0.44 2.00   3.00 4.40
英文:

R is not Stata: It looks like this question is more a general question on how to report descriptive statistics in R.

There are many many ways to report desc stats. I provide an example below illustrating how to curate the desc stats to the estimation sample.

  1. library(fixest)
  2. base = setNames(iris, c("y", "x1", "x2", "x3", "species"))
  3. # let's add a few missing values
  4. base$x1[1:5] = NA
  5. # estimation
  6. est = feols(y ~ x1, base)
  7. #> NOTE: 5 observations removed because of NA values (RHS: 5).
  9. # There is an infinity of ways to get descriptive stats
  10. # As an example, let's use the collapse pkg
  11. library(collapse)
  12. descr(base[obs(est), all.vars(est$fml)])
  13. #> Dataset: all.vars(x$fml), 2 Variables, N = 145
  14. #> ------------------------------------------------------- 
  15. #> y (numeric):
  16. #> Statistics
  17. #>     N  Ndist  Mean    SD  Min  Max  Skew  Kurt
  18. #>   145     35  5.88  0.82  4.3  7.9  0.27  2.46
  19. #> Quantiles
  20. #>    1%    5%  10%  25%  50%  75%  90%   95%  99%
  21. #>   4.4  4.62  4.9  5.2  5.8  6.4  6.9  7.28  7.7
  22. #> -------------------------------------------------------
  23. #> x1 (numeric):
  24. #> Statistics
  25. #>     N  Ndist  Mean    SD  Min  Max  Skew  Kurt
  26. #>   145     23  3.05  0.44    2  4.4  0.35  3.19
  27. #> Quantiles
  28. #>    1%    5%  10%  25%  50%  75%   90%  95%   99%
  29. #>   2.2  2.32  2.5  2.8    3  3.3  3.66  3.8  4.16
  30. #> ---------------------------------------------------------

Further, you can very easily automate that with a function, as below:

  1. #Let's create a function that automates that
  2. summ = function(x){
  3.   # x: fixest estimation
  4.   
  5.   # we fetch the data
  6.   data = model.matrix(x, type = c("lhs", "rhs"))
  7.   # we remove the intercept
  8.   var_keep = names(data) != "(Intercept)"
  9.   data = data[var_keep]
  10.   # the sumstat
  11.   descr(data)
  12. }
  14. summ(est)
  15. #> Dataset: data, 2 Variables, N = 145
  16. #> ----------------------------------------------------- 
  17. #> y (numeric):
  18. #> Statistics
  19. #>     N  Ndist  Mean    SD  Min  Max  Skew  Kurt
  20. #>   145     35  5.88  0.82  4.3  7.9  0.27  2.46
  21. #> Quantiles
  22. #>    1%    5%  10%  25%  50%  75%  90%   95%  99%
  23. #>   4.4  4.62  4.9  5.2  5.8  6.4  6.9  7.28  7.7
  24. #> ----------------------------------------------------- 
  25. #> x1 (numeric):
  26. #> Statistics
  27. #>     N  Ndist  Mean    SD  Min  Max  Skew  Kurt
  28. #>   145     23  3.05  0.44    2  4.4  0.35  3.19
  29. #> Quantiles
  30. #>    1%    5%  10%  25%  50%  75%   90%  95%   99%
  31. #>   2.2  2.32  2.5  2.8    3  3.3  3.66  3.8  4.16
  32. #> ------------------------------------------------------

If you would prefer a table, you can easily adapt the code to work with datasummary:

  1. library(modelsummary)
  2. summ = function(x){
  3.   # x: fixest estimation
  4.   
  5.   # we fetch the data
  6.   data = model.matrix(x, type = c("lhs", "rhs"))
  7.   # we remove the intercept
  8.   var_keep = names(data) != "(Intercept)"
  9.   data = data[var_keep]
  10.   # the sumstat
  11.   datasummary(All(data) ~ Mean + SD + Min + Median + Max, data, output = "dataframe")
  12. }
  14. summ(est)
  15. #>      Mean   SD  Min Median  Max
  16. #> 1  y 5.88 0.82 4.30   5.80 7.90
  17. #> 2 x1 3.05 0.44 2.00   3.00 4.40

答案2

得分: 0

一种解决方案是在数据框的索引上进行过滤：

  1. df %>% filter(row_number() %in% obs(model))
  2.    %>% summarize(y_mean = mean(y))
英文:

One solution is filtering on the indices of the dataframe:

  1. df %>% filter(row_number() %in% obs(model))
  2.    %>% summarize(y_mean = mean(y))

huangapple
  • 本文由 发表于 2023年6月1日 23:01:48
  • 转载请务必保留本文链接：https://go.coder-hub.com/76383278.html
  • fixest
  • r
  • regression
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定