如何从简单线性回归模型中获取 p 值(用于衡量单个自变量系数是否显著)和 R-squared 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)
会显示出p值和R-squared值,但我希望能够把这些信息放到其他变量中。如何从简单线性回归模型中获取 p 值(用于衡量单个自变量系数是否显著)和 R-squared 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)
会显示出p值和R-squared值,但我希望能够把这些信息放到其他变量中。
(summary(fit))$coefficients[***num***,4]
其中num
是一个数字,表示系数矩阵的行号。它取决于你的模型中有多少个特征以及你想要提取哪个特征的p值。例如,如果你只有一个变量,那么截距项将有一个p值[1,4],而下一个实际变量将有一个p值[2,4]。因此,你的num
将为2。
x = cumsum(c(0, runif(100, -1, +1)))
y = cumsum(c(0, runif(100, -1, +1)))
fit = lm(y ~ x)
> names(summary(fit))
[1] "call" "terms"
[3] "residuals" "coefficients"
[5] "aliased" "sigma"
[7] "df" "r.squared"
[9] "adj.r.squared" "fstatistic"
[11] "cov.unscaled"
summary(fit)$r.squared
r <- summary(lm(rnorm(10)~runif(10)))
不会显示任何内容)。 - Joshua Ulrich