如何从 r 中的 glm() 中提取回归系数

您可以使用以下方法从 R 中的glm()函数中提取回归系数：

方法一：提取所有回归系数

 model$coefficients

方法2：提取特定变量的回归系数

 model$coefficients[' my_variable ']

方法三：提取所有带有标准误差、Z值和P值的回归系数

 summary(model)$coefficients

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 glm() 中提取回归系数

假设我们使用ISLR包中的默认数据集拟合逻辑回归模型：

 #load dataset
data <- ISLR::Default

#view first six rows of data
head(data)

  default student balance income
1 No No 729.5265 44361.625
2 No Yes 817.1804 12106.135
3 No No 1073.5492 31767.139
4 No No 529.2506 35704.494
5 No No 785.6559 38463.496
6 No Yes 919.5885 7491.559

#fit logistic regression model
model <- glm(default~student+balance+income, family=' binomial ', data=data)

#view summary of logistic regression model
summary(model)

Call:
glm(formula = default ~ student + balance + income, family = "binomial", 
    data = data)

Deviance Residuals: 
    Min 1Q Median 3Q Max  
-2.4691 -0.1418 -0.0557 -0.0203 3.7383  

Coefficients:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept) -1.087e+01 4.923e-01 -22.080 < 2e-16 ***
studentYes -6.468e-01 2.363e-01 -2.738 0.00619 ** 
balance 5.737e-03 2.319e-04 24.738 < 2e-16 ***
income 3.033e-06 8.203e-06 0.370 0.71152    
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2920.6 on 9999 degrees of freedom
Residual deviance: 1571.5 on 9996 degrees of freedom
AIC: 1579.5

Number of Fisher Scoring iterations: 8

我们可以输入model$coefficients从模型中提取所有回归系数：

 #extract all regression coefficients
model$coefficients

  (Intercept) studentYes balance income 
-1.086905e+01 -6.467758e-01 5.736505e-03 3.033450e-06

我们还可以输入model$coefficients[‘balance’]来仅提取余额变量的回归系数：

 #extract coefficient for 'balance'
model$coefficients[' balance ']

balance 
0.005736505

要显示回归系数及其标准误差、z 值和p 值，我们可以使用summary(model)$ 系数，如下所示：

 #view regression coefficients with standard errors, z values and p-values
summary(model)$coefficients

                 Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.086905e+01 4.922555e-01 -22.080088 4.911280e-108
studentYes -6.467758e-01 2.362525e-01 -2.737646 6.188063e-03
balance 5.736505e-03 2.318945e-04 24.737563 4.219578e-135
income 3.033450e-06 8.202615e-06 0.369815 7.115203e-01

我们还可以访问此输出中的特定值。

例如，我们可以使用以下代码来访问余额变量的 p 值：

 #view p-value for balance variable
summary(model)$coefficients[' balance ', ' Pr(>|z|) ']

[1] 4.219578e-135

或者我们可以使用以下代码来访问每个回归系数的 p 值：

 #view p-value for all variables
summary(model)$coefficients[, ' Pr(>|z|) ']

  (Intercept) studentYes balance income 
4.911280e-108 6.188063e-03 4.219578e-135 7.115203e-01 

显示模型中每个回归系数的 P 值。

您可以使用类似的语法来访问输出中的任何值。

其他资源

以下教程解释了如何在 R 中执行其他常见任务：

如何在 R 中执行简单线性回归
如何在 R 中执行多元线性回归
如何在 R 中执行逻辑回归
如何在 R 中执行二次回归