Write coefficient table for linear and logistic regression

write.coeff(object, file = "", sort = FALSE, intercept = TRUE)

Arguments

object

A fitted model object of class regress or logistic

file

A character string naming a file. "" indicates output to the console

sort

Sort table by variable importance

intercept

Include the intercept in the output (TRUE or FALSE). TRUE is the default

Details

Write coefficients and importance scores to csv or or return as a data.frame

Examples

regress( diamonds, rvar = "price", evar = c("carat", "clarity", "color", "x"), int = c("carat:clarity", "clarity:color", "I(x^2)"), check = "standardize" ) %>% write.coeff(sort = TRUE) %>% format_df(dec = 3)
#> Standardized coefficients shown #>
#> label coefficient std.error t.value p.value sig_star dummy #> 1 (Intercept) -0.162 0.059 -2.738 0.006 ** 0 #> 2 carat:clarity|IF 1.089 0.061 17.729 0.000 *** 0 #> 3 carat:clarity|VVS1 1.020 0.052 19.677 0.000 *** 0 #> 4 clarity|IF 1.015 0.098 10.349 0.000 *** 1 #> 5 carat:clarity|VVS2 1.001 0.049 20.587 0.000 *** 0 #> 6 clarity|IF:color|J -0.946 0.147 -6.425 0.000 *** 1 #> 7 carat:clarity|VS1 0.743 0.046 16.014 0.000 *** 0 #> 8 carat:clarity|VS2 0.705 0.046 15.430 0.000 *** 0 #> 9 clarity|IF:color|H -0.610 0.108 -5.654 0.000 *** 1 #> 10 clarity|IF:color|I -0.606 0.114 -5.298 0.000 *** 1 #> 11 carat:clarity|SI1 0.603 0.045 13.277 0.000 *** 0 #> 12 clarity|IF:color|F -0.572 0.105 -5.456 0.000 *** 1 #> 13 clarity|IF:color|E -0.534 0.114 -4.679 0.000 *** 1 #> 14 carat:clarity|SI2 0.481 0.045 10.682 0.000 *** 0 #> 15 clarity|IF:color|G -0.441 0.115 -3.816 0.000 *** 1 #> 16 clarity|VVS2 0.349 0.062 5.639 0.000 *** 1 #> 17 I(x^2) 0.345 0.020 17.227 0.000 *** 0 #> 18 clarity|VVS1 0.339 0.066 5.159 0.000 *** 1 #> 19 carat 0.286 0.069 4.151 0.000 *** 0 #> 20 clarity|VVS2:color|J -0.284 0.107 -2.646 0.008 ** 1 #> 21 clarity|VS1 0.252 0.061 4.114 0.000 *** 1 #> 22 clarity|VS2:color|J -0.232 0.099 -2.338 0.019 * 1 #> 23 color|G -0.231 0.079 -2.912 0.004 ** 1 #> 24 clarity|VS2:color|G 0.201 0.081 2.494 0.013 * 1 #> 25 clarity|VVS1:color|J -0.192 0.120 -1.604 0.109 1 #> 26 clarity|VS1:color|J -0.192 0.101 -1.908 0.057 . 1 #> 27 clarity|VVS1:color|G 0.190 0.085 2.239 0.025 * 1 #> 28 clarity|VS2 0.177 0.060 2.929 0.003 ** 1 #> 29 clarity|SI2:color|G 0.176 0.081 2.169 0.030 * 1 #> 30 clarity|SI1:color|G 0.175 0.081 2.162 0.031 * 1 #> 31 clarity|VS1:color|G 0.155 0.081 1.902 0.057 . 1 #> 32 color|I -0.144 0.075 -1.926 0.054 . 1 #> 33 clarity|VVS2:color|G 0.144 0.082 1.754 0.080 . 1 #> 34 clarity|SI1:color|J -0.133 0.099 -1.352 0.176 1 #> 35 color|J -0.121 0.097 -1.255 0.210 1 #> 36 clarity|SI2:color|J -0.116 0.100 -1.161 0.246 1 #> 37 clarity|VVS2:color|I -0.108 0.081 -1.330 0.184 1 #> 38 clarity|SI1 0.103 0.060 1.719 0.086 . 1 #> 39 color|H -0.101 0.068 -1.487 0.137 1 #> 40 clarity|SI2:color|E 0.100 0.077 1.300 0.194 1 #> 41 clarity|VVS1:color|E 0.096 0.082 1.170 0.242 1 #> 42 clarity|VS1:color|I -0.095 0.078 -1.214 0.225 1 #> 43 color|E -0.087 0.075 -1.161 0.246 1 #> 44 clarity|VS2:color|E 0.079 0.077 1.037 0.300 1 #> 45 clarity|SI1:color|E 0.073 0.076 0.961 0.337 1 #> 46 clarity|VS1:color|E 0.066 0.078 0.846 0.397 1 #> 47 clarity|VVS2:color|E 0.063 0.079 0.799 0.425 1 #> 48 clarity|VS1:color|H -0.059 0.071 -0.823 0.410 1 #> 49 clarity|VVS1:color|F 0.047 0.072 0.647 0.518 1 #> 50 clarity|VVS1:color|I -0.046 0.084 -0.553 0.580 1 #> 51 clarity|VS2:color|I -0.038 0.077 -0.486 0.627 1 #> 52 clarity|VS1:color|F -0.033 0.068 -0.489 0.625 1 #> 53 color|F -0.032 0.065 -0.497 0.619 1 #> 54 clarity|SI1:color|H 0.029 0.070 0.420 0.675 1 #> 55 clarity|VVS1:color|H 0.026 0.076 0.348 0.728 1 #> 56 clarity|SI2 0.025 0.061 0.406 0.685 1 #> 57 clarity|VS2:color|F 0.024 0.067 0.362 0.718 1 #> 58 clarity|VS2:color|H -0.020 0.070 -0.281 0.779 1 #> 59 clarity|SI1:color|I -0.020 0.077 -0.257 0.797 1 #> 60 clarity|SI2:color|F 0.018 0.067 0.270 0.787 1 #> 61 clarity|VVS2:color|H -0.016 0.073 -0.222 0.824 1 #> 62 clarity|SI2:color|H 0.014 0.071 0.196 0.844 1 #> 63 clarity|VVS2:color|F 0.012 0.069 0.175 0.861 1 #> 64 clarity|SI2:color|I -0.012 0.078 -0.151 0.880 1 #> 65 clarity|SI1:color|F 0.010 0.067 0.157 0.875 1 #> 66 x 0.009 0.047 0.197 0.844 0 #> mean sd min max importance #> 1 1.000 0.000 1.000 1.000 0.000 #> 2 0.015 0.097 0.000 1.530 1.089 #> 3 0.039 0.158 0.000 1.580 1.020 #> 4 0.033 0.179 0.000 1.000 1.015 #> 5 0.056 0.207 0.000 1.710 1.001 #> 6 0.001 0.026 0.000 1.000 0.946 #> 7 0.107 0.303 0.000 2.380 0.743 #> 8 0.166 0.375 0.000 2.500 0.705 #> 9 0.007 0.081 0.000 1.000 0.610 #> 10 0.004 0.060 0.000 1.000 0.606 #> 11 0.204 0.425 0.000 2.400 0.603 #> 12 0.010 0.101 0.000 1.000 0.572 #> 13 0.004 0.063 0.000 1.000 0.534 #> 14 0.190 0.467 0.000 2.660 0.481 #> 15 0.007 0.083 0.000 1.000 0.441 #> 16 0.095 0.293 0.000 1.000 0.349 #> 17 34.002 13.444 13.913 88.736 0.345 #> 18 0.075 0.263 0.000 1.000 0.339 #> 19 0.794 0.474 0.200 3.000 0.286 #> 20 0.002 0.048 0.000 1.000 0.284 #> 21 0.147 0.354 0.000 1.000 0.252 #> 22 0.014 0.118 0.000 1.000 0.232 #> 23 0.199 0.399 0.000 1.000 0.231 #> 24 0.040 0.195 0.000 1.000 0.201 #> 25 0.001 0.032 0.000 1.000 0.192 #> 26 0.008 0.091 0.000 1.000 0.192 #> 27 0.023 0.151 0.000 1.000 0.190 #> 28 0.220 0.415 0.000 1.000 0.177 #> 29 0.032 0.177 0.000 1.000 0.176 #> 30 0.032 0.175 0.000 1.000 0.175 #> 31 0.037 0.190 0.000 1.000 0.155 #> 32 0.095 0.293 0.000 1.000 0.144 #> 33 0.026 0.159 0.000 1.000 0.144 #> 34 0.017 0.128 0.000 1.000 0.133 #> 35 0.055 0.227 0.000 1.000 0.121 #> 36 0.011 0.104 0.000 1.000 0.116 #> 37 0.007 0.081 0.000 1.000 0.108 #> 38 0.240 0.427 0.000 1.000 0.103 #> 39 0.151 0.358 0.000 1.000 0.101 #> 40 0.035 0.185 0.000 1.000 0.100 #> 41 0.012 0.110 0.000 1.000 0.096 #> 42 0.017 0.128 0.000 1.000 0.095 #> 43 0.185 0.388 0.000 1.000 0.087 #> 44 0.046 0.210 0.000 1.000 0.079 #> 45 0.049 0.216 0.000 1.000 0.073 #> 46 0.017 0.131 0.000 1.000 0.066 #> 47 0.019 0.135 0.000 1.000 0.063 #> 48 0.023 0.151 0.000 1.000 0.059 #> 49 0.015 0.122 0.000 1.000 0.047 #> 50 0.007 0.081 0.000 1.000 0.046 #> 51 0.019 0.135 0.000 1.000 0.038 #> 52 0.028 0.164 0.000 1.000 0.033 #> 53 0.188 0.391 0.000 1.000 0.032 #> 54 0.039 0.194 0.000 1.000 0.029 #> 55 0.011 0.103 0.000 1.000 0.026 #> 56 0.176 0.381 0.000 1.000 0.025 #> 57 0.043 0.202 0.000 1.000 0.024 #> 58 0.029 0.169 0.000 1.000 0.020 #> 59 0.025 0.157 0.000 1.000 0.020 #> 60 0.031 0.173 0.000 1.000 0.018 #> 61 0.011 0.104 0.000 1.000 0.016 #> 62 0.029 0.167 0.000 1.000 0.014 #> 63 0.016 0.127 0.000 1.000 0.012 #> 64 0.015 0.123 0.000 1.000 0.012 #> 65 0.042 0.200 0.000 1.000 0.010 #> 66 5.722 1.124 3.730 9.420 0.009
logistic(titanic, "survived", c("pclass", "sex"), lev = "Yes") %>% write.coeff(intercept = FALSE, sort = TRUE) %>% format_df(dec = 2)
#> Non-standardized coefficients shown #>
#> label OR OR% coefficient std.error z.value p.value sig_star dummy #> 1 sex|male 0.08 -0.92 -2.52 0.16 -15.45 0.00 *** 1 #> 2 pclass|3rd 0.18 -0.82 -1.71 0.19 -8.95 0.00 *** 1 #> 3 pclass|2nd 0.41 -0.59 -0.89 0.21 -4.29 0.00 *** 1 #> mean sd min max importance #> 1 0.63 0.48 0.00 1.00 12.46 #> 2 0.48 0.50 0.00 1.00 5.54 #> 3 0.25 0.43 0.00 1.00 2.44