#install.packages("haven")
library(haven)## Warning: package 'haven' was built under R version 4.3.3#install.packages("foreign")
library(foreign)## Warning: package 'foreign' was built under R version 4.3.3#install.packages("Hmisc")
library(Hmisc)## Warning: package 'Hmisc' was built under R version 4.3.3##
## Attaching package: 'Hmisc'## The following objects are masked from 'package:base':
##
## format.pval, units#install.packages("stargazer")
library(stargazer)##
## Please cite as:## Hlavac, Marek (2022). stargazer: Well-Formatted Regression and Summary Statistics Tables.## R package version 5.2.3. https://CRAN.R-project.org/package=stargazerbdatos <- read_dta("wage1.dta")bdatos$trade<-as.factor(bdatos$trade)levels(bdatos$trade)## [1] "0" "1"levels(bdatos$trade)<-c("Minorista", "Mayorista")summary(bdatos$trade)## Minorista Mayorista
## 375 151bdatos$west<-NULLattach(bdatos)subejemplo <- data.frame(wage, educ) detach(bdatos)names(subejemplo)## [1] "wage" "educ"describe(subejemplo)## subejemplo
##
## 2 Variables 526 Observations
## --------------------------------------------------------------------------------
## wage : Promedio de ganancias por hora Format:%8.2g
## n missing distinct Info Mean Gmd .05 .10
## 526 0 241 0.999 5.896 3.638 2.77 2.92
## .25 .50 .75 .90 .95
## 3.33 4.65 6.88 10.00 12.88
##
## lowest : 0.53 1.43 1.5 1.63 1.67 , highest: 21.63 21.86 22.2 22.86 24.98
## --------------------------------------------------------------------------------
## educ : Años de educación Format:%8.0g
## n missing distinct Info Mean Gmd .05 .10
## 526 0 18 0.942 12.56 2.936 8 9
## .25 .50 .75 .90 .95
## 12 12 14 16 17
##
## Value 0 2 3 4 5 6 7 8 9 10 11
## Frequency 2 1 1 3 1 6 4 22 17 30 29
## Proportion 0.004 0.002 0.002 0.006 0.002 0.011 0.008 0.042 0.032 0.057 0.055
##
## Value 12 13 14 15 16 17 18
## Frequency 198 39 53 21 68 12 19
## Proportion 0.376 0.074 0.101 0.040 0.129 0.023 0.036
##
## For the frequency table, variable is rounded to the nearest 0
## --------------------------------------------------------------------------------str(subejemplo)## 'data.frame': 526 obs. of 2 variables:
## $ wage: num 3.1 3.24 3 6 5.3 ...
## ..- attr(*, "label")= chr "Promedio de ganancias por hora"
## ..- attr(*, "format.stata")= chr "%8.2g"
## $ educ: num 11 12 11 8 12 16 18 12 12 17 ...
## ..- attr(*, "label")= chr "Años de educación"
## ..- attr(*, "format.stata")= chr "%8.0g"summary(subejemplo)## wage educ
## Min. : 0.530 Min. : 0.00
## 1st Qu.: 3.330 1st Qu.:12.00
## Median : 4.650 Median :12.00
## Mean : 5.896 Mean :12.56
## 3rd Qu.: 6.880 3rd Qu.:14.00
## Max. :24.980 Max. :18.00~
modelo2 <- lm(wage ~ educ, data = subejemplo)stargazer(modelo2, title = "Modelo estimado", type= "text")##
## Modelo estimado
## ===============================================
## Dependent variable:
## ---------------------------
## wage
## -----------------------------------------------
## educ 0.541***
## (0.053)
##
## Constant -0.905
## (0.685)
##
## -----------------------------------------------
## Observations 526
## R2 0.165
## Adjusted R2 0.163
## Residual Std. Error 3.378 (df = 524)
## F Statistic 103.363*** (df = 1; 524)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01Si yo deseo guardar la base de datos generada a partir del subconjunto previamente elaborado, así como las nuevas variables que generé en mi subconjunto, tengo varias opciones para hacerlo.
Guardando los resultados en R
Si deseamos guardar la base de datos generada en formato de R, lo hacemos con el comando save:
save(subejemplo,file="subejemplo.rda")Guardando los resultados en SPSS
Si deseamos guardar la base de datos generada en formato de SPSS, lo hacemos con el comando write_sav del paquete haven:
write_sav(subejemplo, "subejemplo.sav")Guardando los resultados en Excel
Si deseamos guardar la base de datos generada en formato .xlsx de Excel, lo hacemos con el comando write.xlsx del paquete openxlsx:
#library(openxlsx)
#write.xlsx(subejemplo, "subejemplo.xlsx")También puedes guardar en el formato separado por comas que es más ligero y que también lo puedes abrir en Excel con el comando write.csv.
write.csv(subejemplo,file="subejemplo.csv")Guardando los resultados en Stata
También podemos guardarlo en Stata con el comando write_dta del paquete haven:
write_dta(subejemplo, "subejemplo.dta")Por último vamos a tejer (knit) nuestros resultados en un archivo HTML, PDF y DOCX. Para ello necesitamos que todo nuestro código esté bien escrito (que no haya errores), y esté guardado. Esta opcion es clave para la comunicación de nuestros resultados. Para que pueda exportar los resultados en PDF es necesario tener LaTex (un software que permite crear archivos de texto). Para descargar el instalador que se adapta a tu sistema operativo puedes entrar a https://www.latex-project.org/get/ o puedes inslarlo desde el mismo RStudio con el siguiente código.
#tinytex::install_tinytex()