创业研究中从R Studio导出回归与汇总表格至LyX的方法及大数据集分享替代方案咨询

一、将R回归表格导入LyX的具体流程 #

你的代码里已经用到了stargazer包，这正好是生成学术规范LaTeX表格的利器，而LyX对LaTeX有完美支持，具体操作步骤如下：

1. 生成LaTeX格式的回归表
   修改你代码中stargazer的调用参数，把type='text'改成type='latex'，还可以通过out参数将表格保存为独立的.tex文件，方便后续导入：

   # 针对model.all.high生成LaTeX表格并保存
   stargazer(model.all.high, title="Results for all_high_stat_entre", type='latex', out="regression_high_entre.tex")
   # 对另外两个模型做同样修改
   stargazer(fwd.model, title="Forward Stepwise Model Results", type='latex', out="regression_fwd.tex")
   stargazer(fwd.model.fail, title="Results for all_fear_fail", type='latex', out="regression_fail.tex")
   

2. 在LyX中导入LaTeX表格

   • 打开你的LyX文档，点击菜单栏的 Insert > File > Child Document
   • 选择刚才生成的.tex文件，在弹出的对话框中勾选「Input」选项（选Input会直接嵌入表格，保证格式和学术规范一致）
   • 点击确定后，表格就会无缝嵌入到LyX文档中

3. 快速粘贴法（无需保存文件）
   如果不想生成单独文件，直接在R控制台运行stargazer(..., type='latex')，复制输出的LaTeX代码，然后在LyX中：

   • 按下快捷键 Ctrl+L 切换到LaTeX源代码视图
   • 粘贴代码后再按Ctrl+L切回可视化视图，表格就会显示出来

二、大数据集样本分享的替代方法 #

当dput(head(GemData,10))输出太大时，试试这些更高效的方式：

• 保存小样本到CSV文件
  把数据集的前N行（比如20行）保存为CSV，文件体积小，方便分享：

  write.csv(head(GemData, 20), "GemData_sample.csv", row.names = FALSE)
  

  其他人可以用read.csv("GemData_sample.csv")快速查看样本结构和数据格式。

• 输出数据集结构信息
  用str()或glimpse()展示变量类型、样本量等核心信息，不需要输出具体数据：

  # 基础结构输出
  str(GemData)
  # 更紧凑的展示（需要dplyr包）
  library(dplyr)
  glimpse(GemData)
  

• 输出变量统计描述
  用summary()或skimr包展示变量的统计特征，帮助他人理解数据分布：

  # 基础统计量
  summary(GemData)
  # 更详细的统计报告（需要skimr包）
  library(skimr)
  skim(GemData)
  

你的原始R代码 #

## you need the 'haven' package for loading a .dta file
library(haven)
GemData <- read_dta("C:/Users/ILIAS/Documents/Bachelors Thesis/GEM Dataset.dta")

#### Stepwise Regression for y1 = 'all_high_stat_entre' and y2 = 'all_fear_fail' ####
library(MASS)
index<-which(is.na(GemData$all_high_stat_entre)==F)
n = nrow(GemData)
r<-NULL
for(i in 2:n){
 r[i-1]=cor(GemData$all_high_stat_entre[index],GemData[index,i])
}
index.r<-which(is.na(r)==F)
## 'res' is that number of column which the response 'all_high_stat_entre'
## res = which(r==1)
#---------------------------------------------------------------------------------------
index_fail<-which(is.na(GemData$all_fear_fail)==F)
r_fail<-NULL
for(i in 2:n){
 r_fail[i-1]=cor(GemData$all_fear_fail[index_fail],GemData[index_fail,i])
}
index.r.fail<-which(is.na(r_fail)==F)
## 'res.fail' is that number of column which the response 'all_fear_fail'
## res.fail = which(r_fail==1)
#### Stepwise regression of 'all_high_stat_entre' ####
index.r.mod = index.r[-res]
index.r.mod.1=which(abs(r)>0.3)
n.all_high = length(index.r.mod.1)
data.subset=GemData[index,index.r.mod.1]
data.subset[,(n.all_high + 1)]=GemData$all_high_stat_entre[index]
colnames(data.subset)=c(names(data.subset)[1:19],"all_high_stat_entre")
## fit a full model
full.model <- lm(all_high_stat_entre~.,data=data.subset)
min.model <- lm(all_high_stat_entre~1,data=data.subset)
## ols_step_all_possible(full.model)
library(olsrr)
ols_step_forward_p(full.model)
model.all.high = lm(all_high_stat_entre ~ all_entre_des+all_estab_bus_age2+all_est_bus_fem+all_fut_startbus+all_startbus_job+all_know_entre+all_est_bus_sect4,data=data.subset)
summary(model.all.high)
stargazer(model.all.high, title="Results",type='text')
fwd.model <- stepAIC(min.model, direction='forward', scope=(~all_entre_des+all_estab_bus_age2+all_est_bus_fem+all_fut_startbus+all_startbus_job+all_know_entre+all_est_bus_sect4),data=data.subset)
library(stargazer)
stargazer(fwd.model, title="Results",type='text')
#--------------------------------------------------------------------------------------------
#### Modeling for the response 'all_fear_fail' ####
index.r.mod.fail = index.r[-res.fail]
index.r.mod.fail.1=which(abs(r_fail)>0.3)
n.all_fail = length(index.r.mod.fail.1)
data.subset.fail=GemData[index_fail,index.r.mod.fail.1]
data.subset.fail[,(n.all_fail + 1)]=GemData$all_fear_fail[index_fail]
colnames(data.subset.fail)=c(names(data.subset.fail)[1:(n.all_fail)],"all_fear_fail")
## fit a full model
full.model.fail <- lm(all_fear_fail~.,data=data.subset.fail)
min.model.fail <- lm(all_fear_fail~1,data=data.subset.fail)
## ols_step_all_possible(full.model)
library(olsrr)
ols_step_forward_p(full.model.fail)
fwd.model.fail <- stepAIC(min.model.fail, direction='forward', scope=(~all_per_cap+all_know_entre+all_per_opp),data=data.subset.fail)
library(stargazer)
stargazer(fwd.model.fail, title="Results" , type='text')

内容的提问来源于stack exchange，提问作者ilaias zark HD