提取回归系数值

Question 1

对于一些调查药物利用情况的时间序列数据，我有一个回归模型。目的是使样条曲线适合时间序列并计算95％CI等。模型如下：

id <- ts(1:length(drug$Date))
a1 <- ts(drug$Rate)
a2 <- lag(a1-1)
tg <- ts.union(a1,id,a2)
mg <-lm (a1~a2+bs(id,df=df1),data=tg)

的摘要输出mg为：

Call:
lm(formula = a1 ~ a2 + bs(id, df = df1), data = tg)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.31617 -0.11711 -0.02897  0.12330  0.40442 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)        0.77443    0.09011   8.594 1.10e-11 ***
a2                 0.13270    0.13593   0.976  0.33329    
bs(id, df = df1)1 -0.16349    0.23431  -0.698  0.48832    
bs(id, df = df1)2  0.63013    0.19362   3.254  0.00196 ** 
bs(id, df = df1)3  0.33859    0.14399   2.351  0.02238 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

我正在使用的Pr(>|t|)值a2来测试所调查的数据是否是自动相关的。

是否可以提取此值Pr(>|t|)（在此模型中为0.33329）并将其存储在标量中以执行逻辑测试？

或者，可以使用其他方法解决吗？

Question 2

一个summary.lm对象存储在这些数值matrix称为'coefficients'。因此，可以通过以下方式访问您追求的价值：

a2Pval <- summary(mg)$coefficients[2, 4]

或者，更一般地/可读地，coef(summary(mg))["a2","Pr(>|t|)"]。有关为什么首选此方法的信息，请参见此处。

Question 3

该软件包broom在这里很方便（它使用“整洁”格式）。

tidy(mg) 会给出格式正确的data.frame，其中包含系数，t统计量等。也适用于其他模型（例如plm，...）。

broom的github回购示例：

lmfit <- lm(mpg ~ wt, mtcars)
require(broom)    
tidy(lmfit)

      term estimate std.error statistic   p.value
1 (Intercept)   37.285   1.8776    19.858 8.242e-19
2          wt   -5.344   0.5591    -9.559 1.294e-10

is.data.frame(tidy(lmfit))
[1] TRUE

Question 4

要回答您的问题，您可以通过将模型另存为变量并在环境窗口中单击它来探索模型输出的内容。然后，您可以单击以查看其中包含的内容以及存储在何处的内容。

另一种方法是一个个地键入yourmodelname$和选择模型的组件，以查看每个组件所包含的内容。转到时yourmodelname$coefficients，您将看到所需的所有β值，p值和t值。

Question 5

只需将您的回归模型传递给以下函数即可：

    plot_coeffs <- function(mlr_model) {
      coeffs <- coefficients(mlr_model)
      mp <- barplot(coeffs, col="#3F97D0", xaxt='n', main="Regression Coefficients")
      lablist <- names(coeffs)
      text(mp, par("usr")[3], labels = lablist, srt = 45, adj = c(1.1,1.1), xpd = TRUE, cex=0.6)
    }

用法如下：

model <- lm(Petal.Width ~ ., data = iris)

plot_coeffs(model)