Extrahieren von t-stat p-Werte von lm in R

Habe ich ein Regressionsmodell in R mit der lm-Funktion. Die resultierende ANOVA-Tabelle gibt mir den F-Wert für jeden Koeffizienten (was aber nicht wirklich Sinn für mich). Was ich gerne wissen würde ist der t-stat für jeden Koeffizienten und den entsprechenden p-Wert. Wie bekomme ich diese? Wird es gespeichert, bis die Funktion oder erfordert es weitere Berechnung?

Hier ist der code und Ausgabe:

library(lubridate)
library(RCurl)
library(plyr)

[in] fit <- lm(btc_close ~ vix_close + gold_close + eth_close, data = all_dat)

# Other useful functions 
coefficients(fit) # model coefficients
confint(fit, level=0.95) # CIs for model parameters 
anova(fit) # anova table 

[out]
Analysis of Variance Table

Response: btc_close
           Df   Sum Sq  Mean Sq  F value Pr(>F)    
vix_close   1 20911897 20911897 280.1788 <2e-16 ***
gold_close  1    91902    91902   1.2313 0.2698    
eth_close   1 42716393 42716393 572.3168 <2e-16 ***
Residuals  99  7389130    74638                    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Wenn meine Statistik-Kenntnisse dient Sie mich richtig, diese f-Werte sind bedeutungslos. Theoretisch sollte ich bekommen ein F-Wert für das Modell und eine T-Wert für jeden Koeffizienten.

  • verwenden Sie die broom Paket und tidy(fit).
  • F ist t^2 (wenn es numerator df = 1). Der p-Wert wird sich nicht ändern.
  • Sie bekommen t-Werte bei der Verwendung von summary(fit) denke ich.
InformationsquelleAutor zsad512 | 2017-08-29
  1. 2

    Könnten Sie versuchen, diese:

       summary(fit)
    InformationsquelleAutor Bechir Barkallah
  2. 7

    Hier ist ein Beispiel mit Kommentaren, wie, die Sie extrahieren können nur die t-Werte.

    # Some dummy data
n <- 1e3L
df <- data.frame(x = rnorm(n),
                 z = rnorm(n))
df$y <- with(df, 0.01 * x^2 + z/3)

# Run regression
lr1 <- lm(y ~ x + z, data = df)

# R has special print method for class "lm"
summary(lr1)

Call:
lm(formula = y ~ x + z, data = df)

Residuals:
      Min        1Q    Median        3Q       Max 
-0.010810 -0.009025 -0.005259  0.003617  0.096771 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 0.0100122  0.0004313  23.216   <2e-16 ***
x           0.0008105  0.0004305   1.883     0.06 .  
z           0.3336034  0.0004244 786.036   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.01363 on 997 degrees of freedom
Multiple R-squared:  0.9984,    Adjusted R-squared:  0.9984 
F-statistic: 3.09e+05 on 2 and 997 DF,  p-value: < 2.2e-16

# Now, if you only want the t-values
summary(lr1)[["coefficients"]][, "t value"]

(Intercept)           x           z 
  23.216317    1.882841  786.035718
    • Eine weitere häufige Verwendung von anova-Funktion wäre so etwas wie anova(lm(y ~ x + z, data = df), lm(y ~ z, data = df )), testen, ob die Modelle sind unterschiedlich, ohne und mit x. Beachten Sie, dass Jeremy Punkte aus der F-Wert ist das Quadrat des t-Wertes.
    • Oder coef(summary(lr1))[, "t value"].
    • Oder summary(lr1)$coef[, 3]
    • Ich denke, der Vorteil bei der Verwendung des coef Funktion ist, dass es immer Arbeit, auch wenn sich Interna ändern und es funktioniert auf vielen anderen Modell-Objekte.
    InformationsquelleAutor sindri_baldur
  3. 0

    Wie Benjamin bereits beantwortet hat, würde ich raten, mit broom::tidy() zu zwingen, das Modell-Objekt, um eine ordentliche dataframe. Der Statistik-Spalte enthält, was die relevante test-Statistik und leicht verfügbar ist für das zeichnen mit ggplot2.

    InformationsquelleAutor Seanosapien
  4. 0

    können Sie diese 

    summary(fit)$coefficients[,3]

    Extrahieren nur t-Werte

    InformationsquelleAutor Mohammed
Schreibe einen Kommentar