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

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]

其他回答

虽然上面的两个答案都很好,但提取对象部分的过程更一般。

在许多情况下,函数返回列表,并且可以使用str()访问各个组件,str()将打印组件及其名称。然后您可以使用$操作符访问它们,即myobject$componentname。

在lm对象的情况下,有许多预定义的方法可以使用,如coef()、remainder()、summary()等,但你不会总是那么幸运。

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。

@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。