假设我使用 partykit:mob() 拟合了一个模型。之后，我想生成一个包含所有节点的并排表格（包括使用整个样本拟合的模型）。我尝试使用 stargazer() 来实现这一点，但欢迎其他方法的建议。

下面是一个示例和尝试获取表格的尝试。

library("partykit")require("mlbench")## Pima Indians diabetes datadata("PimaIndiansDiabetes", package = "mlbench")## a simple basic fitting function (of type 1) for a logistic regressionlogit <- function(y, x, start = NULL, weights = NULL, offset = NULL, ...) {  glm(y ~ 0 + x, family = binomial, start = start, ...)}## set up a logistic regression treepid_tree <- mob(diabetes ~ glucose | pregnant + pressure + triceps + insulin +                  mass + pedigree + age, data = PimaIndiansDiabetes, fit = logit)pid_tree # Model-based recursive partitioning (logit)# # Model formula:#   diabetes ~ glucose | pregnant + pressure + triceps + insulin +#   mass + pedigree + age# # Fitted party:#   [1] root# |   [2] mass <= 26.3: n = 167# |       x(Intercept)     xglucose# |        -9.95150963   0.05870786# |   [3] mass > 26.3# |   |   [4] age <= 30: n = 304# |   |       x(Intercept)     xglucose# |   |        -6.70558554   0.04683748# |   |   [5] age > 30: n = 297# |   |       x(Intercept)     xglucose# |   |        -2.77095386   0.02353582# # Number of inner nodes:    2# Number of terminal nodes: 3# Number of parameters per node: 2# Objective function: 355.4578

1.- 提取 summary(pid_tree, node = x) + stargazer()。

## 我希望通过从 partykit 对象中提取节点来复制这个表格。   library(stargazer)  m.glm<-   glm(diabetes ~ glucose, family = binomial,data = PimaIndiansDiabetes)typeof(m.glm)## [1] "list"class(m.glm)## [1] "glm" "lm" stargazer(m.glm)## ommited output.## 从每个节点提取摘要summ_full_data <- summary(pid_tree, node = 1)summ_node_2    <- summary(pid_tree, node = 2)summ_node_4    <- summary(pid_tree, node = 4)summ_node_5    <- summary(pid_tree, node = 5)## 尝试使用系数创建 stargazer 表格stargazer(m.glm,          summ_node_2,           summ_node_4,          summ_node_5,title="MOB Results")##Error: $ operator is invalid for atomic vectors

2.- 提取 pid_tree[x] + stargazer()。

## 第二次尝试（提取模型 party 对象而不是）node_2    <- pid_tree[2]node_4    <- pid_tree[4]node_5    <- pid_tree[5]class(node_5)##[1] "modelparty" "party"     stargazer(m.glm,          node_2,           node_4,          node_5,title="MOB Results")# % Error: Unrecognized object type.# % Error: Unrecognized object type.# % Error: Unrecognized object type.

3.- 虽然不太优雅，但我知道：强制类以模拟 glm 对象。

## 强制对象的类以模拟 glm 对象class(m.glm)class(summ_node_2) <- c("glm", "lm") stargazer(summ_node_2)##Error in if (p > 0) { : argument is of length zero

一个比较实际的解决方案可能是重新拟合模型，恢复 partykit:mob() 找到的规则，然后在它们上面使用 stargaze()，但我肯定在这里错过了什么。提前感谢。

回答：

最好是提取（或重新拟合）每个节点的模型对象列表，然后应用你选择的表格包。我个人不太喜欢 stargazer，更喜欢使用 modelsummary，或者有时使用老式的 memisc。

如果树包含模型 $objects 在 $info 中（如 pid_tree），你可以使用 nodeapply() 对所有 nodeids() 提取这些：

pid_models <- nodeapply(pid_tree, ids = nodeids(pid_tree), FUN = function(x) x$info$object)

如果你只想提取树的终端节点（叶子）的拟合模型，那么你可以通过设置 ids = nodeids(pid_tree, terminal = TRUE) 来实现。

或者，尤其是在模型对象未存储的情况下，你可以通过以下方式轻松地重新拟合它们：

pid_models <- refit.modelparty(pid_tree)

在这里，你也可以包含 node = nodeids(pid_tree, terminal = TRUE) 以仅重新拟合终端节点模型。

在所有情况下，你可以随后使用

msummary(pid_models)

来生成模型摘要表。它支持多种输出格式，当然你可以进一步调整列表以更改结果，例如，通过更改它们的名称等。默认输出如下所示：