标签: modelsummary

我正在使用lmerTest::lmer()重复测量数据执行线性回归。

我的模型包含固定效应（具有 5 个级别的因子）和随机效应（主题）：

library(lmerTest) 
model_lm  <- lmer(likertscore ~ task.f + (1 | subject), data = df_long)  

我想在我用 生成的回归表中包括观察总数、受试者数量、总 R^2 和固定效应的 R^2 modelsummary()。

我尝试提取这些内容并按照包作者的gof_map 描述构建一个，但没有成功。下面是我从lmerTest::lmer()性能指标中获得的模型输出：

Linear mixed model fit by REML ['lmerModLmerTest']
Formula: likertscore ~ factor + (1 | subject)
   Data: df_long
REML criterion at convergence: 6674.915
Random effects:
 Groups   Name        Std.Dev.
 subject  (Intercept) 1.076   
 Residual             1.514   
Number of obs: 1715, groups:  subject, 245
Fixed Effects:
                      (Intercept)                         factor1                         factor2  
                           3.8262                             1.5988                             0.3388  
                      factor3 …

我想报告feols()使用 IV 回归的第一阶段和第二阶段结果modelsummary()。我找不到方法（除了将第一阶段作为单独的模型运行）。

我可以使用etable() 如下方式显示第一阶段和第二阶段的结果：

library(fixest)
library(tidyverse)
library(modelsummary)

# create a toy dataset
base <- iris
names(base) <- c("y", "x1", "x_endo_1", "x_inst_1", "fe")
base$x_inst_2 <- 0.2 * base$y + 0.2 * base$x_endo_1 + rnorm(150, sd = 0.5)
base$x_endo_2 <- 0.2 * base$y - 0.2 * base$x_inst_1 + rnorm(150, sd = 0.5)

# estimate an instrumental variable model
mod <- feols(y ~ x1 | fe | x_endo_1 + x_endo_2 ~ x_inst_1 + x_inst_2, base)

# First …

#Preparing the data and loading packages

library(modelsummary);library(tidyverse);library(gt)
as_tibble(mtcars)
df <- mtcars %>% mutate(cyl_ = factor(cyl)) %>% 
  dplyr::select(cyl_, mpg, vs, am, hp, wt)

#Gets table of descriptive statistics about different subsets of the data

print(t1 <- datasummary_balance(~cyl_, 
                          data = df,
                          output = "gt"))

#This hides the "Std. Dev." columns

t1 %>% cols_hide(c(3,5,7))

#Now I want to hide the "Mean" column labels, but I want to keep the "cyl_" value column labels. Any ideas how?
  

我想要这样的东西：

我正在尝试使用 modelplot() 更改森林图中系数的颜色，因此正值是一种颜色，负值是另一种颜色，就像单独的plotmodel() 函数一样，

library(modelsummary)
modelplot(
    model1,
    coef_omit = 'Interc'
    ) + 
      xlim(-0.75, 0.75) +
      theme_gray() +
     labs(
    x = "Coefficient estimates and \n 95 pc confidence intervals"
  )

但我不知道该怎么做。我尝试过使用scale_colour_gradientn() 和类似的方法，但它们不起作用。

有人对此有什么建议吗？

谢谢