@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))

r-squared:您可以直接从摘要对象summary(fit)$r.squared返回r-squared值。有关可以直接提取的所有项的列表，请参阅名称(summary(fit))。

模型p值:如果要得到整体回归模型的p值， 这篇博文概述了一个返回p值的函数:

lmp <- function (modelobject) {
    if (class(modelobject) != "lm") stop("Not an object of class 'lm' ")
    f <- summary(modelobject)$fstatistic
    p <- pf(f[1],f[2],f[3],lower.tail=F)
    attributes(p) <- NULL
    return(p)
}

> lmp(fit)
[1] 1.622665e-05

在只有一个预测因子的简单回归的情况下，模型p值和系数p值将是相同的。

系数p值:如果你有一个以上的预测器，那么上面将返回模型p值，系数p值可以使用以下方法提取:

summary(fit)$coefficients[,4]  

或者，您可以以类似于上面的摘要对象的方式从方差分析(fit)对象中获取系数的p值。

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

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]

注意，summary(fit)生成了一个包含您需要的所有信息的对象。se t和p向量都存储在里面。通过选择系数矩阵的第4列来获得p值(存储在summary对象中):

summary(fit)$coefficients[,4] 
summary(fit)$r.squared

尝试str(summary(fit))查看该对象包含的所有信息。

编辑:我误解了蔡斯的答案，它基本上告诉你如何得到我在这里给出的东西。

使用:

(summary(fit))$coefficients[***num***,4]

其中num是一个数字，表示系数矩阵的行。这取决于你的模型中有多少特征，以及你想为哪一个提取p值。例如，如果你只有一个变量，那么截距的p值将是[1,4]，下一个是你的实际变量的p值将是[2,4]。所以你的num是2。