星河一方
🗃️ 归档 🌏 足迹 🎡 阅览
星河一方

目录

stargazer：R 语言输出统计表

   类别 知识库
使用 stargazer 可以将 R 构建的模型结果以 LATEX 、 HTML 和 ASCII 格式输出，方便我们生成标准格式的表格
结合 rmarkdown 来进行使用，会使我们优雅地写出一篇拥有期刊级统计表的文章

简介

R 包 stargazer 可以将 数据统计汇总 （格式可以为数据框、向量和矩阵等）和 统计模型结果 输出为标准统计表格式的 LATEX 、HTML 和 ASCII 格式的字符文本，将其复制到对应的软件中 即可生成标准的统计表，当然也可以配合 rmarkdown 使用直接渲染输出为表格，更加方便直接。

安装及加载

可以使用常规方法导入 stargazer 包：

1
2

install.packages("stargazer")
library(stargazer)

stargazer 包的输出结果是相应格式的，例如输出 LATEX 格式，可以直接将结果粘贴进在线编辑器 [Overleaf](https://www.overleaf.com) 中输出表格。下文直接将结果以对应表格的形式展示。

数据统计汇总

统计汇总数据

如果要展示数据集的基本描述性分析数据（由 R 函数 summary 得到），可以使用以下命令直接得到：

1

stargazer(attitude)

http://static.datartisan.com/upload/attachment/2016/12/qCOW9qcQ.png

原始数据展示

如果想输出某些数据框的特定行的原始内容，需要指定要查看的数据框的一部分，并将设置参数 summary = FALSE, 如下所示：

1
2

data("attitude")
stargazer(attitude[1:4,], summary = FALSE, rownames = TRUE)

http://static.datartisan.com/upload/attachment/2016/12/O5nnDnBH.png

可以看到，attitude 数据集中包括 rating、complaints 等多个变量，数据展示形式为 三线表 。

列联表

stargazer 也可以用来展示向量、矩阵或者数据框的内容。在这里我们建立了 attitude 数据集中变量 rating、complaints、privileges 的相关系数矩阵，并予以展示：

1
2

correlation.matrix <- cor(attitude[,c("rating", "complaints", "privileges")])
stargazer(correlation.matrix, title = "Correlation Matrix")

http://static.datartisan.com/upload/attachment/2016/12/cC2cR66K.png

统计模型结果

回归表

在 R 中可以很方便的使用 lm() 和 glm() 函数来构建回归模型，我们同样可以在同一张表中对这些模型进行比较，参数 title 用来设定表的标题，参数 align 使每列中的系数沿小数点对齐：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

## 构建两个线性回归模型
linear.1 <- lm(rating ~ complaints + privileges + learning + raises + critical,
data = attitude)
linear.2 <- lm(rating ~ complaints + privileges + learning, data = attitude)
## 构建一个 probit 模型
attitude$high.rating <- (attitude$rating > 70)
probit.model <- glm(high.rating ~ learning + critical + advance, data = attitude,
family = binomial(link = "probit"))

stargazer(linear.1, linear.2, probit.model, title = "Results", align = TRUE)

http://static.datartisan.com/upload/attachment/2016/12/Cyqs7adZ.png

回归表的修饰

为了使表格更加标准，我们还可以通过调整参数进行以下操作：

  • 删除表中的空白行：no.space
  • 移除不关心的统计量：omit.stat
  • 修改因变量和自变量的名称：dep.var.labels 、 covariate.labels
1
2
3
4
5

stargazer(linear.1, linear.2, probit.model, title = "Regression Results",
align = TRUE, dep.var.labels = c("Overall Rating","High Rating"),
covariate.labels = c("Handling of Complaints", "No Special Privileges",
"Opportunity to Learn", "Performance-Based Raises", "Too Critical","Advancement"),
omit.stat = c("LL", "ser", "f"), no.space = TRUE)

http://static.datartisan.com/upload/attachment/2016/12/xHMLhXyR.png

本例中对原表格做了以下修改：

  1. 使用 dep.var.labels 和 covariate.lables 参数分别将因变量和自变量重命名为容易理解的形式；

  2. 使用 omit.stat 参数移除对数似然比（"LL"）、标准化残差（"ser"）和 F 统计量（"f"）；

  3. 使用no.space参数将输出表格中的空行删去。

展示置信区间

  • 设置是否展示置信区间：ci
  • 设置置信区间的置信度：ci.level
  • 使回归系数与置信区间并排展示：single.row
1
2
3
4
5

stargazer(linear.1, linear.2, title = "Regression Results",
dep.var.labels = c("Overall Rating", "High Rating"),
covariate.labels = c("Handling of Complaints", "No Special Privileges",
"Opportunity to Learn", "Performance-Based Raises", "Too Critical", "Advancement"),
omit.stat = c("LL","ser","f"), ci = TRUE, ci.level = 0.90, single.row = TRUE)

http://static.datartisan.com/upload/attachment/2016/12/rUe11IM4.png

其他修饰功能

控制自变量展示的顺序：order 控制要展示的统计量：keep.stat , keep.stat = "n" 即只展示样本量的大小，并移除其他统计量

1
2
3
4

stargazer(linear.1, linear.2, title = "Regression Results",
dep.var.labels = c("Overall Rating", "High Rating"),
order = c("learning", "privileges"),
keep.stat = "n", ci = TRUE, ci.level = 0.90, single.row = TRUE)

http://static.datartisan.com/upload/attachment/2016/12/u0K7suc0.png

控制输出格式

可以使用 type 参数控制以 ASCII 、text、html、latex 格式输出，默认为LATEX 格式。

1
2
3
4

stargazer(linear.1, linear.2, type = "text", title = "Regression Results",
dep.var.labels = c("Overall Rating", "High Rating"),
order = c("learning", "privileges"), 
keep.stat = "n", ci = TRUE, ci.level = 0.90, single.row = TRUE, header = F)

http://static.datartisan.com/upload/attachment/2016/12/gOA9wyCN.png

自定义统计量

我们使用 sandwich 包来计算异方差-稳健标准误，并将其与默认计算的标准差一同展示。

1
2
3
4
5
6

library(sandwich)
cov <- vcovHC(linear.1, type = "HC")
robust.se <- sqrt(diag(cov))

stargazer(linear.1, linear.1, se = list(NULL, robust.se),
column.labels = c("default", "robust"))

http://static.datartisan.com/upload/attachment/2016/12/PC8L8NoB.png

支持的模型

目前 stargazer 支持以下模型结果的展示：

aftreg (eha), arima (stats), betareg (betareg), binaryChoice (sampleSelection), bj (rms), brglm (brglm), censReg (censReg), coeftest (lmtest), coxph (survival), coxreg (eha), clm (ordinal), clogit (survival), cph (rms), dynlm (dynlm), ergm(ergm), errorsarlm (spdev), felm (lfe), gam (mgcv), garchFit (fGarch), gee (gee), glm (stats), Glm (rms), glmer (lme4), glmrob(robustbase), gls (nlme), Gls (rms), gmm (gmm), heckit (sampleSelection), hetglm (glmx), hurdle (pscl), ivreg (AER), lagarlm (spdep), lm(stats), lme (nlme), lmer (lme4), lmrob (robustbase), lrm (rms), maBina (erer), mclogit (mclogit), mlogit (mlogit), mnlogit (mnlogit), mlreg (eha), multinom (nnet), nlme (nlme), nlmer (lme4), ols (rms), pgmm(plm), phreg (eha), plm (plm), pmg (plm), polr (MASS), psm (rms), rem.dyad (relevent), rlm(MASS), rq (quantreg), Rq (rms), selection (sampleSelection), svyglm (survey), survreg (survival), tobit (AER), weibreg (eha), zeroinfl (pscl), as well as from the implementation of these in zelig. In addition, stargazer also supports the following zelig models: “relogit”, “cloglog.net”, “gamma.net”, “probit.net” and “logit.net”.

支持的模板

style 参数可以用来选择统计表的展现形式，你可以通过 ?stargazer 查看具体参数的设置来获取具体支持的格式，目前支持的期刊统计图格式有 American Economic Review、 Quarterly Journal of Economics 等。

结合 rmarkdown 使用

1
2
3

```{r, results='asis'}
stargazer(model, header = F)
```

注意事项：

  • 要加上 results='asis' 保证输出的是表格，而不是 LATEX 文本；
  • 参数 align 失效，不能使用；
  • 加上参数 header=FALSE，避免输出关于包作者的一些文本信息。

致谢

参考文章

更新于 2025-09-19
阅读原始文档
 数据可视化, R, stargazer
返回 | 主页