Stargazer库 | 创建漂亮可发表的多元回归表

Stargazer库介绍

R语言有一个stargazer包，可用于创建漂亮的、可发表的多元回归表。如今有Python化的stargazer库也可做类似的事。

下图是使用stargazer生成的没有任何样式的原始示例的示例：

什么时候会用到这些？

人们倾向于使用R版本的stargazer的主要情况是在学术论文中报告回归结果。 它允许您轻松地比较多个回归结果，这有助于比较具有实验影响的模型与没有影响的模型之间的结果。 这允许用户轻松查看系数的差异、统计显着性以及实验引入的新变量的影响。

它目前支持 LaTeX 和 HTML 输出，stargazer开发者最终最表是也支持 Markdown 和 ASCII 文本。

项目地址

https://github.com/mwburke/stargazer

该库实现了原始包中的许多自定义功能。大多数示例可以在示例 jupyter notebook 中找到，功能函数完整列表如下：

Stargazer库的函数

• show_header：显示或隐藏模型头数据
• show_model_numbers：显示或隐藏型号
• custom_columns：自定义模型名称和模型分组
• significance_levels：更改统计显着性阈值
• significant_digits：更改有效数字的数量
• show_confidence_intervals：显示置信区间，而不是方差
• dependent_variable_name：重命名因变量
• rename_covariates: 重命名协变量
• covariate_order：重新排序协变量
• reset_covariate_order：将协变量顺序重置为原始顺序
• show_degrees_of_freedom：显示或隐藏自由度
• custom_note_label：表格底部的标签注释部分
• add_custom_notes：将自定义注释添加到表格底部的部分
• add_line：向表格中添加自定义行
• append_notes：显示或隐藏统计显着性阈值

这些功能与渲染类型无关，无论用户以 HTML、LaTeX 等格式输出都将应用

安装

!pip3 install stargazer

OLS回归

import pandas as pd
from sklearn import datasets
import statsmodels.api as sm
from stargazer.stargazer import Stargazer

diabetes = datasets.load_diabetes()
df = pd.DataFrame(diabetes.data)
df.columns = ['Age', 'Sex', 'BMI', 'ABP', 'S1', 'S2', 'S3', 'S4', 'S5', 'S6']
df['target'] = diabetes.target

est = sm.OLS(endog=df['target'], exog=sm.add_constant(df[df.columns[0:4]])).fit()
est2 = sm.OLS(endog=df['target'], exog=sm.add_constant(df[df.columns[0:6]])).fit()

stargazer = Stargazer([est, est2])

分析结果渲染成html

from IPython.display import display, HTML
raw_str = stargazer.render_html()
html = HTML(raw_str)
display(html)

分析结果渲染成latex

stargazer.render_latex()