不同的最佳拟合，并从 R 中的回归中获得 p 值答案

【问题标题】：Different best fit, and obtain p-value from regression in R不同的最佳拟合，并从 R 中的回归中获得 p 值
【发布时间】：2016-03-18 15:07:10
【问题描述】：

我有这张图表，来自包car，图1：

代码是：

scatterplot(istat_22 ~ vpa_cnr_2,grid=F, smooth=F)

但是如果我想要回归线的 p 值，以及 r 和 r^2，我如何获得它并将它们绘制在图表上？基本上我会直线方程和统计值。另一个问题是，为什么如果我使用lm 进行绘图，例如：

plot(vpa_cnr_2,istat_22)
abline(lm(vpa_cnr_2 ~ istat_22),col="red")

直线与图1不一样（见图2）？

图 2

是的，我知道，这取决于截距，但 R 找不到最适合函数 lm 的？

【问题讨论】：

car::scatterplot 返回点列表（通过id.method等）或NULL；它不提供返回任何摘要统计信息。正如您所怀疑的，您需要自己执行回归。（如果您查看car::scatterplot.default 和最终car:::reg 的来源，您会发现汇总统计信息未保留。）

标签： r scatter-plot lm

【解决方案1】：

如果您想在图表中显示它们，我会使用模型的调整后 R 平方和整体 p 值，这可以直接从模型摘要中获得或计算。

summary <- summary(lm(istat_22 ~ via_cnr_2)) adjRsq <- summary$adj.r.squared

您无法直接从摘要中获得整体 p 值，但您可以从 F 统计量中计算，以下是计算方法：

fStat <- summary$statistic pValue <- pf(fStat[1], fStat[2], fStat[3], lower.tail = F)

您可以参考此链接：Adding Regression Line Equation and R2 on graph 了解如何在 ggplot 中标记它们。至于为什么回归线看起来不正确，那是因为你的变量在 lm 公式中被还原了。 abline(lm(istat_22 ~ vpa_cnr_2),col="red")

【讨论】：

是的，对于第二个问题，您是对的...ups...但是对于 p 值？（问题一）
刚刚重新编辑了我的答案，希望它能回答你的问题。

【解决方案2】：

如果您想从线性回归中提取值，可以使用summary。

#use str(summary(x)) to explore the other useful pieces of information
x <- lm(istat_22 ~ vpa_cnr_2)
summary(x)$r.squared
summary(x)$adj.r.squared
summary(x)$coefficients[2,4] # p-value

【讨论】：