Отримайте коефіцієнти, оцінені за максимальною ймовірністю, у таблиці звізників

Stargazer виробляє дуже гарні латексні столи для lm (та інших) об’єктів. Припустимо, я підігнав модель за максимальною ймовірністю. Я хотів би, щоб stargazer створив таблицю, подібну до lm, для моїх оцінок. Як я можу це зробити?

Хоча це трохи хакерсько, але одним із шляхів може бути створення "підробленого" об'єкта lm, що містить мої оцінки - я думаю, це буде працювати, доки працює резюме (my.fake.lm.object). Це легко здійснимо?

Приклад:

library(stargazer)

N <- 200
df <- data.frame(x=runif(N, 0, 50))
df$y <- 10 + 2 * df$x + 4 * rt(N, 4)  # True params
plot(df$x, df$y)

model1 <- lm(y ~ x, data=df)
stargazer(model1, title="A Model")  # I'd like to produce a similar table for the model below

ll <- function(params) {
    ## Log likelihood for y ~ x + student's t errors
    params <- as.list(params)
    return(sum(dt((df$y - params$const - params$beta*df$x) / params$scale, df=params$degrees.freedom, log=TRUE) -
               log(params$scale)))
}

model2 <- optim(par=c(const=5, beta=1, scale=3, degrees.freedom=5), lower=c(-Inf, -Inf, 0.1, 0.1),
                fn=ll, method="L-BFGS-B", control=list(fnscale=-1), hessian=TRUE)
model2.coefs <- data.frame(coefficient=names(model2$par), value=as.numeric(model2$par),
                           se=as.numeric(sqrt(diag(solve(-model2$hessian)))))

stargazer(model2.coefs, title="Another Model", summary=FALSE)  # Works, but how can I mimic what stargazer does with lm objects?

Якщо бути точнішим: із об'єктами lm stargazer красиво друкує залежну змінну у верхній частині таблиці, включає SE в дужки нижче відповідних оцінок і має R ^ 2 та кількість спостережень внизу таблиці. Чи існує (n простий) спосіб отримати таку ж поведінку за допомогою "нестандартної" моделі, що оцінюється за максимальною вірогідністю, як вище?

Ось мої слабкі спроби переодягнути мій оптимальний результат як об'єкт lm:

model2.lm <- list()  # Mimic an lm object
class(model2.lm) <- c(class(model2.lm), "lm")
model2.lm$rank <- model1$rank  # Problematic?
model2.lm$coefficients <- model2$par
names(model2.lm$coefficients)[1:2] <- names(model1$coefficients)
model2.lm$fitted.values <- model2$par["const"] + model2$par["beta"]*df$x
model2.lm$residuals <- df$y - model2.lm$fitted.values
model2.lm$model <- df
model2.lm$terms <- model1$terms  # Problematic?
summary(model2.lm)  # Not working

Я просто мав цю проблему і подолав її завдяки використанню coef seі omitфункцій у Stargazer ... наприклад

stargazer(regressions, ...
                     coef = list(... list of coefs...),
                     se = list(... list of standard errors...),
                     omit = c(sequence),
                     covariate.labels = c("new names"),
                     dep.var.labels.include = FALSE,
                     notes.append=FALSE), file="")

Спочатку потрібно створити інстанцію фіктивного lmоб’єкта, а потім одягнути його:

#...
model2.lm = lm(y ~ ., data.frame(y=runif(5), beta=runif(5), scale=runif(5), degrees.freedom=runif(5)))
model2.lm$coefficients <- model2$par
model2.lm$fitted.values <- model2$par["const"] + model2$par["beta"]*df$x
model2.lm$residuals <- df$y - model2.lm$fitted.values
stargazer(model2.lm, se = list(model2.coefs$se), summary=FALSE, type='text')

# ===============================================
#                         Dependent variable:    
#                     ---------------------------
#                                  y             
# -----------------------------------------------
# const                        10.127***         
#                               (0.680)          
#                                                
# beta                         1.995***          
#                               (0.024)          
#                                                
# scale                        3.836***          
#                               (0.393)          
#                                                
# degrees.freedom              3.682***          
#                               (1.187)          
#                                                
# -----------------------------------------------
# Observations                    200            
# R2                             0.965           
# Adjusted R2                    0.858           
# Residual Std. Error       75.581 (df = 1)      
# F Statistic              9.076 (df = 3; 1)     
# ===============================================
# Note:               *p<0.1; **p<0.05; ***p<0.01

(а потім, звичайно, переконайтесь, що решта підсумкової статистики правильна)

Я не знаю, наскільки ви віддані користуванню stargazer, але ви можете спробувати використовувати мітлу та пакети xtable, проблема в тому, що це не дасть вам стандартних помилок для оптимістичної моделі

library(broom)
library(xtable)
xtable(tidy(model1))
xtable(tidy(model2))