利用R语言如何计算出回归分析中的t值和P值

利⽤R语⾔如何计算出回归分析中的t值和P值

很多同学包括楼主喜欢R语⾔的原因就是因为它⼩巧简洁，不需要太多的代码就可以得到很好的结果。⽐如线性回归时利⽤lm()就是⼀个很

好的例⼦，⽤简单的代码就可以得到回归表达式，以及各种系数检验等等，但是这些结果是怎么呈现到我们⾯前的呢，接下来就解释R语⾔

lm()的输出结果。

data(iris)

fit<-lm(iris$ ~ iris$)

summary(fit)

Call:

lm(formula = iris$ ~ iris$)

Residuals:

Min 1Q Median 3Q Max

-1.09907 -0.23626 -0.01064 0.23345 1.17532

Coefficients:

小学上课时间表 Estimate Std. Error t value Pr(>|t|)

(Int吃什么护肝养肝 ercept) 3.30843 关于我爱你 0.06210 53.278 < 2e-16

iris$ -0.20936 0.04374 -4.786 4.07e-06摩羯座几月份

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.407 on 148 degrees of freedom

Multiple R-squared: 0.134, Adjusted R-squared: 0.1282

F-statistic: 22.91 on 1 and 148 DF, p-value: 4.073e-06

很简单的代码就得到⼀个线性回归⽅程，很多书上都已经介绍了线性回归⽅程的原理和各种解释变量的意义。故仅在此处贴出利⽤R如何计

算出t值

(tstats <- coef(fit) / sqrt(diag(vcov(fit))))

(In文笔好的高质量的小说 tercept) Petal.Width

53.277950 -4.7864彼字开头的成语 61

利⽤R如何为乡村振兴 计算出P值

2 * pt(abs(tstats爱笑的姑娘 ), df = al(元宵节灯谜及答案 fit), = FALSE)

(Intercept) Petal.Width

1.835999e-98 4.073229e-06