R中怎么就选定变量,而不是从线性回归的所有变量(F-测试)得到的p值(显着性水平)?
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R中怎么就选定变量,而不是从线性回归的所有变量(F-测试)得到的p值(显着性水平)?相关的知识,希望对你有一定的参考价值。
假设我有一个结果Y(心脏疾病),我很感兴趣,从4个独立变量(A,B,C,d)上Y.此外,我要考虑到年龄和性别信息的影响。所以我的模式是:
model1=lm(Y~A+B+C+D+age+sex,data=MyData,na.action=na.omit)
我知道,从F-测试,我可以得到一个p值表示模型中的所有变量的显着性水平。但是,我能做些什么,如果我只是想获得一个p值只是代表A,B,C,d的显着性水平,从4个MODEL1变量(我仍然有年龄和性别MODEL1)。
非常感谢你。
答案
下面是一个例子,与mtcars
数据集。由于我没有数据,我不能准确地重现您的问题。
# Model with many variables
mod <- lm(mpg ~ cyl + disp + hp + drat, data = mtcars)
# Show p-values for variables cyl and disp only, but using the full model
summary(mod)$coefficients[c("cyl", "disp"), ]
因此,在你的代码而言,尝试
summary(model1)$coefficients[c("A","B","C","D"), ]
以上是关于R中怎么就选定变量,而不是从线性回归的所有变量(F-测试)得到的p值(显着性水平)?的主要内容,如果未能解决你的问题,请参考以下文章
spss 多元线性回归分析 帮忙分析一下下图,F、P、t、p和r方各代表啥??谢谢~