如何从一个简单的线性回归模型中提取p值(单个解释变量的系数的显著性为非零)和r平方值?例如……
x = cumsum(c(0, runif(100, -1, +1)))
y = cumsum(c(0, runif(100, -1, +1)))
fit = lm(y ~ x)
summary(fit)
我知道summary(fit)显示了p值和r平方值，但我希望能够将它们插入到其他变量中。
当前回答
这是提取p值最简单的方法:
coef(summary(modelname))[, "Pr(>|t|)"]
其他回答
通过调用str(summary(fit))可以看到summary()返回的对象的结构。每个片段都可以使用$访问。F统计量的p值更容易从方差分析返回的对象中得到。
简单地说，你可以这样做:
rSquared <- summary(fit)$r.squared
pVal <- anova(fit)$'Pr(>F)'[1]
对于summary()末尾显示的最终p值，该函数使用pf()从summary(fit)$fstatistic值中计算。
fstat <- summary(fit)$fstatistic
pf(fstat[1], fstat[2], fstat[3], lower.tail=FALSE)
来源:[1]，[2]
@Vincent回答的延伸:
对于lm()生成的模型:
summary(fit)$coefficients[,4] ##P-values
summary(fit)$r.squared ##R squared values
对于gls()生成的模型:
summary(fit)$tTable[,4] ##P-values
##R-squared values are not generated b/c gls uses max-likelihood not Sums of Squares
为了隔离单独的p值本身，你需要在代码中添加一个行号:
例如，要访问两个模型摘要中截距的p值:
summary(fit)$coefficients[1,4]
summary(fit)$tTable[1,4]
注意，你可以在上面的每个实例中用列名替换列号: 总结(适合)$系数[1,“公关(> | t |)“# # lm 总结(适合)$ tTable[1,“假定值 "] ## gl
如果你仍然不确定如何从汇总表中访问一个值，使用str()来找出汇总表的结构:
str(summary(fit))
这是提取p值最简单的方法:
coef(summary(modelname))[, "Pr(>|t|)"]
另一个选择是使用cor.test函数，而不是lm:
> x <- c(44.4, 45.9, 41.9, 53.3, 44.7, 44.1, 50.7, 45.2, 60.1)
> y <- c( 2.6, 3.1, 2.5, 5.0, 3.6, 4.0, 5.2, 2.8, 3.8)
> mycor = cor.test(x,y)
> mylm = lm(x~y)
# r and rsquared:
> cor.test(x,y)$estimate ** 2
cor
0.3262484
> summary(lm(x~y))$r.squared
[1] 0.3262484
# P.value
> lmp(lm(x~y)) # Using the lmp function defined in Chase's answer
[1] 0.1081731
> cor.test(x,y)$p.value
[1] 0.1081731
