如何从r中的lm()函数中提取p值
您可以使用以下方法从 R 中的lm() 函数中提取 p 值:
方法一:从回归模型中提取总体P值
#define function to extract overall p-value of model overall_p <- function (my_model) { f <- summary(my_model)$fstatistic p <- pf(f[1],f[2],f[3],lower. tail =F) attributes(p) <- NULL return (p) } #extract overall p-value of model overall_p(model)
方法2:提取回归系数的个体P值
summary(model)$coefficients[,4]
以下示例展示了如何在实践中使用这些方法。
示例:从R中的lm()中提取P值
假设我们在 R 中拟合以下多元线性回归模型:
#create data frame df <- data. frame (rating=c(67, 75, 79, 85, 90, 96, 97), points=c(8, 12, 16, 15, 22, 28, 24), assists=c(4, 6, 6, 5, 3, 8, 7), rebounds=c(1, 4, 3, 3, 2, 6, 7)) #fit multiple linear regression model model <- lm(rating ~ points + assists + rebounds, data=df)
我们可以使用summary()函数来显示回归模型的完整摘要:
#view model summary
summary(model)
Call:
lm(formula = rating ~ points + assists + rebounds, data = df)
Residuals:
1 2 3 4 5 6 7
-1.5902 -1.7181 0.2413 4.8597 -1.0201 -0.6082 -0.1644
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 66.4355 6.6932 9.926 0.00218 **
points 1.2152 0.2788 4.359 0.02232 *
assists -2.5968 1.6263 -1.597 0.20860
rebounds 2.8202 1.6118 1.750 0.17847
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 3.193 on 3 degrees of freedom
Multiple R-squared: 0.9589, Adjusted R-squared: 0.9179
F-statistic: 23.35 on 3 and 3 DF, p-value: 0.01396
在结果的最底部,我们可以看到回归模型的整体 p 值为0.01396 。
如果我们只想从模型中提取这个 p 值,我们可以定义一个自定义函数来执行此操作:
#define function to extract overall p-value of model overall_p <- function (my_model) { f <- summary(my_model)$fstatistic p <- pf(f[1],f[2],f[3],lower. tail =F) attributes(p) <- NULL return (p) } #extract overall p-value of model overall_p(model) [1] 0.01395572
请注意,该函数返回与上述模型输出相同的 p 值。
要从模型中提取各个回归系数的 p 值,我们可以使用以下语法:
#extract p-values for individual regression coefficients in model
summary(model)$coefficients[,4]
(Intercept) points assists rebounds
0.002175313 0.022315418 0.208600183 0.178471275
请注意,此处显示的 p 值对应于上面回归输出中Pr(> |t|)列中的值。
其他资源
以下教程解释了如何在 R 中执行其他常见任务: