几个模型估计表-重新排列列和行(包括reprex)

Question

我正在从几个模型中创建一个回归估计表。以下是数据：

structure(list(term = c("age_ceo_state__rf", "", "mktrf", "", 
NA, NA), intercept = c("0.390***", "(19.455)", "0.673***", "(23.409)", 
NA, NA), term_2 = c("age_ceo_state__rf", "", "age_firm_state__rf", 
"", "mktrf", ""), intercept_2 = c("0.209***", "(9.449)", "0.405***", 
"(15.511)", "0.417***", "(13.255)"), term_3 = c("age_ceo_state__rf", 
"", "age_firm_state__rf", "", "mktrf", ""), intercept_3 = c("0.209***", 
"(9.449)", "0.405***", "(15.511)", "0.417***", "(13.255)")), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -6L))

现在的情况如下：

​

和目标表：

​

是的，项2和项3系数是相同的，即使它是一个不同的模型。我正在寻找一种编程方法来选择最完整的术语集，将它们移动到term 1列(注意术语更改的顺序)，并将缺失的单元格设置为空白。这是一种常见的布局，很多回归报告包都使用这种布局；我无法用优雅和灵活的方式来移动这些术语。尽管这个问题没有直接涉及到modelsummary，但是作者可能对如何处理这个问题有深入的见解，但是很抱歉在回归表的R中标记了一个了不起的包。

Answer 1

这个相当笨拙。但我想你是在找这样的东西？

library(dplyr)
library(tidyr)

df %>% 
  mutate(id =as.integer(gl(n(),2,n()))) %>% 
  pivot_longer(starts_with("term")) %>% 
  group_by(id) %>% 
  add_count(value) %>% 
  mutate(x =  value[n=max(n)]) %>% 
  ungroup() %>% 
  mutate(id1 =as.integer(gl(n(),max(id),n()))) %>% 
  group_by(id, id1) %>% 
  dplyr::slice(1) %>% 
  mutate(name = paste(name, id, sep="_")) %>%
  ungroup() %>% 
  group_by(name) %>% 
  mutate(term = ifelse(row_number() == 2, NA_character_, x), .before=1) %>% 
  ungroup() %>% 
  select(-c(id, id1, value, n, name, x)) 

  term               intercept intercept_2 intercept_3
  <chr>              <chr>     <chr>       <chr>      
1 age_ceo_state__rf  0.390***  0.209***    0.209***   
2 NA                 (19.455)  (9.449)     (9.449)    
3 age_firm_state__rf 0.673***  0.405***    0.405***   
4 NA                 (23.409)  (15.511)    (15.511)   
5 mktrf              NA        0.417***    0.417***   
6 NA                 NA        (13.255)    (13.255)