不同的最佳拟合，并从 R 中的回归中获得 p 值

Question

我有这张图，来自包 car，图 1：

密码是：

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？实质上我会用直线方程和统计值。另一个问题是，为什么我用 lm 绘图，比如：

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，它取决于拦截，但 R 没有找到最适合函数 lm?

Answer 1

如果你想在图表中显示它们，我会使用模型的 Adjusted R-squared 和总体 p 值，它们可以直接获得或从模型的摘要中计算。

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，计算方法如下：

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

你可以参考这个link: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")

Answer 2

具体来说，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

不同的最佳拟合，并从 R 中的回归中获得 p 值

Different best fit, and obtain p-value from regression in R

r

scatter-plot

lm