Photo by Taisiia Shestopal on Unsplash
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。
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。
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。
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。
stargazer()関数で３つのモデルを比較します。
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、
です。
