在 R 中，如何从线性回归中获取选定变量而不是所有变量（F 检验）的 p 值（显着性水平）？答案

【问题标题】：In R how to get the p-value (significance level) for selected variables rather than all variables (F-test) from a linear regression?在 R 中，如何从线性回归中获取选定变量而不是所有变量（F 检验）的 p 值（显着性水平）？
【发布时间】：2019-07-03 07:08:44
【问题描述】：

假设我有一个结果 Y（心脏病），我对 4 个自变量（A、B、C、D）对 Y 的影响感兴趣。另外我想考虑年龄和性别的信息. 所以我的模型是：

model1=lm(Y~A+B+C+D+age+sex,data=MyData,na.action=na.omit)

我知道，从 F 检验我可以得到一个 p 值，代表模型中所有变量的显着性水平。但是，如果我只想得到一个 p 值，只代表模型 1 中的 4 个变量的 A、B、C、D 的显着性水平（我在模型 1 中仍然有年龄和性别），我该怎么办。

非常感谢。

【问题讨论】：

summary(lm(...whatever...)) 输出每个变量的重要性。
好的，谢谢。但是请问有什么办法可以消除F检验中的年龄和性别信息吗？
我不清楚你想做什么，但你可以运行anova 来比较多个模型：anova(fm1, fm2) 其中fm1 和fm2 是两个不同lm 的结果来电。

标签： r p-value

【解决方案1】：

这是一个示例，带有 mtcars 数据集。由于我没有您的数据，因此我无法准确重现您的问题。

# Model with many variables
mod <- lm(mpg ~ cyl + disp + hp + drat, data = mtcars)

# Show p-values for variables cyl and disp only, but using the full model
summary(mod)$coefficients[c("cyl", "disp"), ]

所以就你的代码而言，试试

summary(model1)$coefficients[c("A","B","C","D"), ]

【讨论】：