如何从lm_robust对象中获取AIC

Question

如何从AIC对象(包estimatr)获得lm_robust？我使用lm_robust是因为我想使用一个健壮的估计器来计算SE。与lm函数不同，在运行摘要函数并在lm_robust对象上运行AIC函数会产生错误时，不提供AIC。下面是我试图运行的模型的一个玩具示例。

library(estimatr)

fake_data<-data.frame(outcome=rnorm(100,3.65,1),
                      pred1=rnorm(100,15,7),
                      pred2=as.factor(sample(1:5, 100, replace = T)))

mod1<-lm_robust(outcome~pred1+pred2,data=fake_data)
AIC(mod1)

以下是错误消息的内容：

> AIC(mod1)
Error in UseMethod("logLik") : 
  no applicable method for 'logLik' applied to an object of class "lm_robust"

Answer 1

如果你必须用lm_robust来计算它，你可以选择按下面的方式计算，

AIC公式，

AIC = 2*k + n [Ln( 2(pi) RSS/n ) + 1]

# n : Number of observation
# k : All variables including all distinct factors and constant
# RSS : Residual Sum of Square

如果我们把它应用到R上，

# Note that, I take k=7 since you have, 5 factors + 1 continuous and 1 constant

AIC_calculated <- 2*7 + 100* (log( 2*pi* (1-mod1$r.squared)*mod1$tss/100 ) + 1)


[1] 332.2865

这与lm和glm输出都是一样的。

mod2<-lm(outcome~pred1+pred2,data=fake_data)

> AIC(mod2)
[1] 332.2865

最后，当然，您可以将此计算放入一个函数中，随时调用，只需在其中提供lm_robust模型，而不必为任何给定的数据设置N和k参数，例如，

myAIC <- function(data) {

    2*(data$k+1) + data$N * (log(2*pi* (1-data$r.squared)*data$tss/data$N ) + 1)

}

> myAIC(mod1)
[1] 332.2865

注意:在您的计算机中可能会显示不同的结果，因为在dataframe中运行sample()函数时会出现不同的种子。

Answer 2

这里有个解决办法

mod1 = lm_robust(outcome ~ pred1 + pred2, data = fake_data)

#Create any fitted model using 'lm' as a placeholder
mod2 = with(list(x = rnorm(10), y = rnorm(10)), lm(y ~ x))

#Copy values in `mod2` from `mod1`
mod2[names(mod2)] = mod1[names(mod2)]

#Calculate residuals in `mod2`
mod2$residuals = mod2$fitted.values - fake_data$outcome

AIC(mod2)
#[1] 326.6092