Rのlm()関数からp値を抽出する方法
次のメソッドを使用して、R のlm() 関数から p 値を抽出できます。
方法 1: 回帰モデルから全体の P 値を抽出する
#define function to extract overall p-value of model overall_p <- function (my_model) { f <- summary(my_model)$fstatistic p <- pf(f[1],f[2],f[3],lower. tail =F) attributes(p) <- NULL return (p) } #extract overall p-value of model overall_p(model)
方法 2: 回帰係数の個々の P 値を抽出する
summary(model)$coefficients[,4]
次の例は、これらのメソッドを実際に使用する方法を示しています。
例: Rのlm()からPの値を抽出
次の重線形回帰モデルを R に当てはめるとします。
#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)
summary()関数を使用すると、回帰モデルの完全な概要を表示できます。
#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
結果の一番下では、回帰モデル全体の p 値が0.01396であることがわかります。
モデルからこの p 値だけを抽出したい場合は、そのためのカスタム関数を定義できます。
#define function to extract overall p-value of model overall_p <- function (my_model) { f <- summary(my_model)$fstatistic p <- pf(f[1],f[2],f[3],lower. tail =F) attributes(p) <- NULL return (p) } #extract overall p-value of model overall_p(model) [1] 0.01395572
この関数は、上記のモデル出力と同じ p 値を返すことに注意してください。
モデルから個々の回帰係数の p 値を抽出するには、次の構文を使用できます。
#extract p-values for individual regression coefficients in model
summary(model)$coefficients[,4]
(Intercept) points assists rebounds
0.002175313 0.022315418 0.208600183 0.178471275
ここで示されている p 値は、上記の回帰出力のPr(> |t|)列の p 値に対応していることに注意してください。
追加リソース
次のチュートリアルでは、R で他の一般的なタスクを実行する方法について説明します。