www.crosshyou.info

政府統計の総合窓口のデータや、OECDやUCIやのデータを使って、Rの練習をしています。ときどき、読書記録も載せています。

都道府県別の後期高齢者医療制度被保険者実態調査のデータ分析6 - R言語のstargazer()関数で回帰分析の結果を美しく出力する。

f:id:cross_hyou:20210728071346j:plain

 Photo by Taisiia Shestopal on Unsplash  

www.crosshyou.info

の続きです。

今回はlm()関数で回帰分析をして、その結果をstargazer()関数で美しく出力してみたいと思います。

shotoku_1617: 所得の2016年から2017年の変化幅を被説明変数にして、その他の変数で回帰分析してみます。

まず、shotoku_2016を説明変数にして回帰分析してみます。

f:id:cross_hyou:20210728071832p:plain

一番下の行のp-valueを見ると、0.9837ですので、shotoku_2016は全然説明していないということがわかります。

次に、hoken_2016を説明変数にしてみましょう。

f:id:cross_hyou:20210728072038p:plain

p-valueは0.2903です。shotoku_2016よりは小さい値になりましたが、やはりhoken_20216もshotoku_1617を説明していないですね。

こんどは、shotoku_2016とhoken_2017を合わせて説明変数にしてみます。

f:id:cross_hyou:20210728072354p:plain

p-valueが0.04443になり、0.05よりも小さな値になりました。shotoku_2026とhoken_2016の両方ではshotoku_1617をある程度説明することができるのですね。

ここで、stargazerパッケージを読み込みます。

f:id:cross_hyou:20210728072743p:plain

stargazer()関数で3つのモデルを比較します。

f:id:cross_hyou:20210728072947p:plain

このように、きれいな表として3つのモデルが比較できます。

今回は以上です。

 

はじめから読むには、

 

www.crosshyou.info

 です。