Извлечение значений коэффициента регрессии

У меня есть модель регрессии для некоторых временных рядов данных, исследующих использование наркотиков. Цель состоит в том, чтобы подгонка сплайна к временному ряду и разработка 95% CI и т.д. Модель выглядит следующим образом:

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)

Итоговый вывод mg:

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

Я использую значение Pr(>|t|) a2, чтобы проверить, являются ли данные, изучаемые, автокоррелированными.

Можно ли извлечь это значение Pr(>|t|) (в этой модели 0.33329) и сохранить его в скаляре для выполнения логического теста?

В качестве альтернативы, может ли он быть разработан с использованием другого метода?

Ответ 1

Объект A summary.lm сохраняет эти значения в matrix, называемом 'coefficients'. Таким образом, вы можете получить доступ к следующему значению:

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

Или, в более общем плане/читаемо, coef(summary(mg))["a2","Pr(>|t|)"]. См. здесь, почему этот метод является предпочтительным.

Ответ 2

Здесь вам пригодится пакет broom (он использует формат "аккуратный" ).

tidy(mg) даст хорошо сформированный файл данных с коэффициентами, t-статистикой и т.д. Работает и для других моделей (например, plm,...).

Пример из broom github repo:

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

Ответ 3

Просто передайте свою модель регрессии в следующую функцию:

    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)
    }

Используйте следующее:

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

plot_coeffs(model)