提问



如何从简单的线性回归模型中提取p值(单个解释变量的系数的重要性为非零)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 p值和R平方值,但我希望能够将这些值粘贴到其他变量中。

最佳参考


r-squared :您可以直接从摘要对象summary(fit)$r.squared返回r平方值。有关您可以直接提取的所有项目的列表,请参见names(summary(fit))


模型p值:如果要获取整体回归模型的p值,
这篇博客文章概述了一个返回p值的函数:[42]


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


在使用一个预测器进行简单回归的情况下,模型p值和系数的p值将是相同的。


系数p值:如果您有多个预测变量,则上面将返回模型p值,系数的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摘要对象的方式从anova(fit)对象中获取系数的p值。

其它参考1


请注意summary(fit)生成一个包含所需信息的对象。 β,se,t和p向量存储在其中。通过选择系数矩阵的第4列(存储在摘要对象中)来获取p值:


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:我误读了蔡斯的回答,基本上告诉你如何得到我在这里给出的东西。

其它参考2


您可以通过调用str(summary(fit))来查看summary()返回的对象的结构。可以使用$访问每个部分。从anova返回的对象中更容易得到F统计量的p值。


简而言之,你可以这样做:


rSquared <- summary(fit)$r.squared
pVal <- anova(fit)$'Pr(>F)'[1]

其它参考3


虽然上面的两个答案都很好,但提取对象部分的过程更为通用。


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


在lm对象的情况下,有一些可以使用的预定义方法,如coef()resid()summary()等,但你不会总是那么幸运。

其它参考4


延伸@Vincent的回答:


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


要隔离单个p值本身,您需要在代码中添加行号:


例如,要在两个模型摘要中访问截距的p值:


summary(fit)$coefficients[1,4]
summary(fit)$tTable[1,4]  



  • 注意,您可以使用上述每个实例中的列名替换列号:


    summary(fit)$coefficients[1,"Pr(>|t|)"]  ##lm 
    summary(fit)$tTable[1,"p-value"]         ##gls 
    



如果您仍然不确定如何从汇总表中访问值,请使用str()来计算汇总表的结构:


str(summary(fit))

其它参考5


我在探讨针对类似问题的建议解决方案时提出了这个问题;我认为,为了将来参考,使用 broom 包更新可用的答案列表可能是值得的。[44]


示例代码



x = cumsum(c(0, runif(100, -1, +1)))
y = cumsum(c(0, runif(100, -1, +1)))
fit = lm(y ~ x)
require(broom)
glance(fit)


结果



>> glance(fit)
  r.squared adj.r.squared    sigma statistic    p.value df    logLik      AIC      BIC deviance df.residual
1 0.5442762     0.5396729 1.502943  118.2368 1.3719e-18  2 -183.4527 372.9055 380.7508 223.6251          99





旁注



我发现glance函数很有用,因为它巧妙地总结了有用的值。作为额外的好处,结果存储为data.frame,这使得进一步操作变得容易:


>> class(glance(fit))
[1] "data.frame"

其它参考6


这是拉取p值的最简单方法:


coef(summary(modelname))[, "Pr(>|t|)"]

其它参考7


我使用这个lmp函数已经很多次了。


有一次,我决定添加新功能以增强数据分析。我不是R或统计学专家,但人们通常会查看线性回归的不同信息:



  • p值

  • a和b

  • R 2

  • 当然还有点分布的方面



让我们举个例子。你在这里


这是一个具有不同变量的可重现示例:


Ex<-structure(list(X1 = c(-36.8598, -37.1726, -36.4343, -36.8644, 
-37.0599, -34.8818, -31.9907, -37.8304, -34.3367, -31.2984, -33.5731
), X2 = c(64.26, 63.085, 66.36, 61.08, 61.57, 65.04, 72.69, 63.83, 
67.555, 76.06, 68.61), Y1 = c(493.81544, 493.81544, 494.54173, 
494.61364, 494.61381, 494.38717, 494.64122, 493.73265, 494.04246, 
494.92989, 494.98384), Y2 = c(489.704166, 489.704166, 490.710962, 
490.653212, 490.710612, 489.822928, 488.160904, 489.747776, 490.600579, 
488.946738, 490.398958), Y3 = c(-19L, -19L, -19L, -23L, -30L, 
-43L, -43L, -2L, -58L, -47L, -61L)), .Names = c("X1", "X2", "Y1", 
"Y2", "Y3"), row.names = c(NA, 11L), class = "data.frame")


library(reshape2)
library(ggplot2)
Ex2<-melt(Ex,id=c("X1","X2"))
colnames(Ex2)[3:4]<-c("Y","Yvalue")
Ex3<-melt(Ex2,id=c("Y","Yvalue"))
colnames(Ex3)[3:4]<-c("X","Xvalue")

ggplot(Ex3,aes(Xvalue,Yvalue))+
          geom_smooth(method="lm",alpha=0.2,size=1,color="grey")+
          geom_point(size=2)+
          facet_grid(Y~X,scales='free')


#Use the lmp function

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)
    }

# create function to extract different informations from lm

lmtable<-function (var1,var2,data,signi=NULL){
  #var1= y data : colnames of data as.character, so "Y1" or c("Y1","Y2") for example
  #var2= x data : colnames of data as.character, so "X1" or c("X1","X2") for example
  #data= data in dataframe, variables in columns
  # if signi TRUE, round p-value with 2 digits and add *** if <0.001, ** if < 0.01, * if < 0.05.

  if (class(data) != "data.frame") stop("Not an object of class 'data.frame' ")
  Tabtemp<-data.frame(matrix(NA,ncol=6,nrow=length(var1)*length(var2)))
  for (i in 1:length(var2))
       {
  Tabtemp[((length(var1)*i)-(length(var1)-1)):(length(var1)*i),1]<-var1
  Tabtemp[((length(var1)*i)-(length(var1)-1)):(length(var1)*i),2]<-var2[i]
  colnames(Tabtemp)<-c("Var.y","Var.x","p-value","a","b","r^2")

  for (n in 1:length(var1))
  {
  Tabtemp[(((length(var1)*i)-(length(var1)-1))+n-1),3]<-lmp(lm(data[,var1[n]]~data[,var2[i]],data))

  Tabtemp[(((length(var1)*i)-(length(var1)-1))+n-1),4]<-coef(lm(data[,var1[n]]~data[,var2[i]],data))[1]

  Tabtemp[(((length(var1)*i)-(length(var1)-1))+n-1),5]<-coef(lm(data[,var1[n]]~data[,var2[i]],data))[2]

  Tabtemp[(((length(var1)*i)-(length(var1)-1))+n-1),6]<-summary(lm(data[,var1[n]]~data[,var2[i]],data))$r.squared
  }
  }

  signi2<-data.frame(matrix(NA,ncol=3,nrow=nrow(Tabtemp)))
  signi2[,1]<-ifelse(Tabtemp[,3]<0.001,paste0("***"),ifelse(Tabtemp[,3]<0.01,paste0("**"),ifelse(Tabtemp[,3]<0.05,paste0("*"),paste0(""))))
  signi2[,2]<-round(Tabtemp[,3],2)
  signi2[,3]<-paste0(format(signi2[,2],digits=2),signi2[,1])

  for (l in 1:nrow(Tabtemp))
    {
  Tabtemp$"p-value"[l]<-ifelse(is.null(signi),
         Tabtemp$"p-value"[l],
         ifelse(isTRUE(signi),
                paste0(signi2[,3][l]),
                Tabtemp$"p-value"[l]))
  }

   Tabtemp
}

# ------- EXAMPLES ------

lmtable("Y1","X1",Ex)
lmtable(c("Y1","Y2","Y3"),c("X1","X2"),Ex)
lmtable(c("Y1","Y2","Y3"),c("X1","X2"),Ex,signi=TRUE)


肯定有比这个功能更快的解决方案,但它的工作原理。

其它参考8


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

其它参考9


使用:


(summary(fit))$coefficients[***num***,4]


其中num是表示系数矩阵的行的数字。这取决于您在模型中有多少功能以及您想要为哪个功能取出p值。例如,如果你只有一个变量,那么拦截的p值将是[[1,4]],而下一个是实际变量,它将是[[2,4]]。因此, num 将为2。

其它参考10


另一个选择是使用cor.test函数,而不是lm:


> x <- c(44.4, 45.9, 41.9, 53.3, 44.7, 44.1, 50.7, 45.2, 60.1)
> y <- c( 2.6,  3.1,  2.5,  5.0,  3.6,  4.0,  5.2,  2.8,  3.8)

> mycor = cor.test(x,y)
> mylm = lm(x~y)

# r and rsquared:
> cor.test(x,y)$estimate ** 2
      cor 
0.3262484 
> summary(lm(x~y))$r.squared
[1] 0.3262484

# P.value 

> lmp(lm(x~y))  # Using the lmp function defined in Chase's answer
[1] 0.1081731
> cor.test(x,y)$p.value
[1] 0.1081731