相关疑难解决方法(0)

在CrossValidated 上的一个帖子中,我发表了以下评论:

我怀疑这实际上是一个R问题,关于使用S3类(通过访问$)和S4类(通过访问)之间的区别@...

@Gavin Simpson随后评论说:

@gung很可能是现货,但解决方案可能不是深入研究对象并撕掉你的感觉,而是学会使用提取器函数,在这种情况下coefficients()或其较短的别名 coef(),如coef(fit)

我对此很感兴趣. 例如,为什么使用 coef(model) 会更好 model$coefficients[,1]？ (我认识到后者更丑陋,需要稍微打字,但我怀疑这是原因.)如果没有现有的提取器功能(例如,访问t统计数据)怎么办？

假设我有一个这样的模型：

x1 <- rnorm(100)
x2 <- rnorm(100)
y <- x1 + 5 * x2 + rnorm(100)
fit <- lm(y ~ x1 + x2)

我如何输出summary(fit)但按估计系数的大小排序？

我已经拟合了一个线性回归模型：

   Lin <- lm(y~x, data=df)

当我使用该summary函数时，我会得到一些输出。如何从该输出中提取参数系数？

R中是否有像Excel中那样的截距和斜率函数？我知道您可以使用函数“lm”来运行线性回归，但就我的目的而言，像在 Excel 中使用截距和斜率一样，将输出简单地作为数字来获取会更实用。

在R中,如果我写:

reg1 <- lm(y ~ x, data = ds)

回归模型信息存储在具有列表结构的reg1中.

我可以写:

value.of.intercept <- reg1$coefficients[1] 

将截距值保存到名为"value.of.intercept"的变量中

我写什么来将截距的统计显着性值保存到变量"p.value.of.intercept"？

我可以在摘要中看到值.如果我写:

summary(reg1)

拦截的统计显着性值立即在本文下: Pr(>|t|)