回答:
r-squared：サマリーオブジェクトから直接r-squared値を返すことができますsummary(fit)$r.squared。names(summary(fit))直接抽出できるすべてのアイテムのリストについては、を参照してください。
モデルのp値：全体的な回帰モデルのp値を取得する場合は、 このブログ投稿で p値を返す関数の概要を説明しています。
lmp <- function (modelobject) {
if (class(modelobject) != "lm") stop("Not an object of class 'lm' ")
f <- summary(modelobject)$fstatistic
p <- pf(f[1],f[2],f[3],lower.tail=F)
attributes(p) <- NULL
return(p)
}
> lmp(fit)
[1] 1.622665e-051つの予測子を使用する単純回帰の場合、モデルのp値と係数のp値は同じになります。
係数のp値：複数の予測子がある場合、上記はモデルのp値を返し、係数のp値は以下を使用して抽出できます。
summary(fit)$coefficients[,4] または、anova(fit)上記の要約オブジェクトと同様の方法で、オブジェクトから係数のp値を取得できます。
inheritsよりも、使用する方が少し良いclassです。そして多分あなたは欲しいunname(pf(f[1],f[2],f[3],lower.tail=F))ですか？
summary(fit)必要なすべての情報を持つオブジェクトを生成することに注意してください。beta、se、t、pの各ベクトルが格納されています。係数行列（サマリーオブジェクトに格納されている）の4番目の列を選択して、p値を取得します。
summary(fit)$coefficients[,4]
summary(fit)$r.squared試してみてくださいstr(summary(fit))このオブジェクトが含まれているすべての情報を参照してください。
編集：私はここで私が与えるものに到達する方法を基本的にあなたに教えるチェイスの答えを読み違えました。
summary(fit)$coefficients[1,4] theintereccept
lm()して作成されたgls()モデルでは機能しますが、モデルでは機能しません。
同様の問題に対して提案された解決策を模索しているときにこの質問に出くわしました。将来の参照のために、broomパッケージを利用するソリューションで回答の利用可能なリストを更新することは価値があると思います。
x = cumsum(c(0, runif(100, -1, +1)))
y = cumsum(c(0, runif(100, -1, +1)))
fit = lm(y ~ x)
require(broom)
glance(fit)>> 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このglance関数は、キー値をきちんと要約しているので便利です。結果はとして保存され、次のdata.frame操作が簡単になります。
>> class(glance(fit))
[1] "data.frame"@Vincentの回答の拡張：
以下のためのlm()生成モデル：
summary(fit)$coefficients[,4] ##P-values
summary(fit)$r.squared ##R squared values以下のためのgls()生成モデル：
summary(fit)$tTable[,4] ##P-values
##R-squared values are not generated b/c gls uses max-likelihood not Sums of Squares個々のp値自体を分離するには、コードに行番号を追加します。
たとえば、両方のモデルの要約で切片のp値にアクセスするには、次のようにします。
summary(fit)$coefficients[1,4]
summary(fit)$tTable[1,4] 上記の各インスタンスでは、列番号を列名に置き換えることができます。
summary(fit)$coefficients[1,"Pr(>|t|)"] ##lm
summary(fit)$tTable[1,"p-value"] ##gls サマリーテーブルstr()から値にアクセスする方法がまだわからない場合は、サマリーテーブルの構造を理解するために使用します。
str(summary(fit))このlmp関数を何度も使用しました。
そして、ある時点で、データ分析を強化するために新しい機能を追加することにしました。私はRや統計の専門家ではありませんが、人々は通常、線形回帰のさまざまな情報を見ています。
例を挙げましょう。あなたはここにいます
以下は、さまざまな変数を使用した再現可能な例です。
Ex<-structure(list(X1 = c(-36.8598, -37.1726, -36.4343, -36.8644,
-37.0599, -34.8818, -31.9907, -37.8304, -34.3367, -31.2984, -33.5731
), X2 = c(64.26, 63.085, 66.36, 61.08, 61.57, 65.04, 72.69, 63.83,
67.555, 76.06, 68.61), Y1 = c(493.81544, 493.81544, 494.54173,
494.61364, 494.61381, 494.38717, 494.64122, 493.73265, 494.04246,
494.92989, 494.98384), Y2 = c(489.704166, 489.704166, 490.710962,
490.653212, 490.710612, 489.822928, 488.160904, 489.747776, 490.600579,
488.946738, 490.398958), Y3 = c(-19L, -19L, -19L, -23L, -30L,
-43L, -43L, -2L, -58L, -47L, -61L)), .Names = c("X1", "X2", "Y1",
"Y2", "Y3"), row.names = c(NA, 11L), class = "data.frame")
library(reshape2)
library(ggplot2)
Ex2<-melt(Ex,id=c("X1","X2"))
colnames(Ex2)[3:4]<-c("Y","Yvalue")
Ex3<-melt(Ex2,id=c("Y","Yvalue"))
colnames(Ex3)[3:4]<-c("X","Xvalue")
ggplot(Ex3,aes(Xvalue,Yvalue))+
geom_smooth(method="lm",alpha=0.2,size=1,color="grey")+
geom_point(size=2)+
facet_grid(Y~X,scales='free')
#Use the lmp function
lmp <- function (modelobject) {
if (class(modelobject) != "lm") stop("Not an object of class 'lm' ")
f <- summary(modelobject)$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)この関数よりも確かに高速な解決策がありますが、機能します。
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)$r.squared別のオプションは、lmの代わりにcor.test関数を使用することです。
> x <- c(44.4, 45.9, 41.9, 53.3, 44.7, 44.1, 50.7, 45.2, 60.1)
> y <- c( 2.6, 3.1, 2.5, 5.0, 3.6, 4.0, 5.2, 2.8, 3.8)
> mycor = cor.test(x,y)
> mylm = lm(x~y)
# r and rsquared:
> cor.test(x,y)$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
r <- summary(lm(rnorm(10)~runif(10)))何も表示しない場合）にのみ値が表示されます。