Вы можете использовать следующие методы для извлечения коэффициентов регрессии из функции lm() в R:
Метод 1: извлечение только коэффициентов регрессии
model$coefficients
Метод 2: извлечение коэффициентов регрессии со стандартной ошибкой, T-статистикой и P-значениями
summary(model)$coefficients
В следующем примере показано, как использовать эти методы на практике.
Пример. Извлечение коэффициентов регрессии из lm() в R
Предположим, мы подгоняем следующую модель множественной линейной регрессии в R:
#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)
Мы можем использовать функцию summary() для просмотра всей сводки регрессионной модели:
#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
---
Signif. 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
Чтобы просмотреть только коэффициенты регрессии, мы можем использовать коэффициенты модели $ следующим образом:
#view only regression coefficients of model
model$coefficients
(Intercept) points assists rebounds
66.435519 1.215203 -2.596789 2.820224
Мы можем использовать эти коэффициенты, чтобы написать следующее подобранное уравнение регрессии:
Рейтинг = 66,43551 + 1,21520(очки) – 2,59678(ассисты) + 2,82022(подборы)
Чтобы просмотреть коэффициенты регрессии вместе с их стандартными ошибками, t-статистикой и p-значениями, мы можем использовать итоговые (модельные) $ коэффициенты следующим образом:
#view regression coefficients with standard errors, t-statistics, and p-values
summary(model)$coefficients
Estimate Std. Error t value Pr(>|t|)
(Intercept) 66.435519 6.6931808 9.925852 0.002175313
points 1.215203 0.2787838 4.358942 0.022315418
assists -2.596789 1.6262899 -1.596757 0.208600183
rebounds 2.820224 1.6117911 1.749745 0.178471275
Мы также можем получить доступ к определенным значениям в этом выводе.
Например, мы можем использовать следующий код для доступа к p-значению для переменной points :
#view p-value for points variable
summary(model)$coefficients[" points", " Pr(>|t|) "]
[1] 0.02231542
Или мы могли бы использовать следующий код для доступа к p-значению для каждого из коэффициентов регрессии:
#view p-value for all variables
summary(model)$coefficients[, " Pr(>|t|) "]
(Intercept) points assists rebounds
0.002175313 0.022315418 0.208600183 0.178471275
Значения p показаны для каждого коэффициента регрессии в модели.
Вы можете использовать аналогичный синтаксис для доступа к любым значениям в выходных данных регрессии.
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные задачи в R:
Как выполнить простую линейную регрессию в R
Как выполнить множественную линейную регрессию в R
Как создать остаточный график в R