示例
我有一个线性回归，它适用于具有3个解释因子变量的数值因变量。每个因子变量都有2个级别。
install.packages("robustbase")
install.packages("MASS")
require(robustbase)
require(MASS)
# Example data
data(npk)
df= npk[,-1]
str(df)
# 'data.frame': 24 obs. of 4 variables:
# $ N : Factor w/ 2 levels "0","1": 1 2 1 2 2 2 1 1 1 2 ...
# $ P : Factor w/ 2 levels "0","1": 2 2 1 1 1 2 1 2 2 2 ...
# $ K : Factor w/ 2 levels "0","1": 2 1 1 2 1 2 2 1 1 2 ...
# $ yield: num 49.5 62.8 46.8 57 59.8 58.5 55.5 56 62.8 55.8 ...
set.seed(0)
model <- lmrob(yield ~ N + P + K - 1, data= df)
任务
我想访问model对象的每个系数的p值。为了避免不必要的拦截，我已在公式中使用- 1。
summary(model)$coefficients
# Estimate Std. Error t value Pr(>|t|)
# N0 54.644672 2.400075 22.7678995 8.972084e-16
# N1 60.166737 1.966661 30.5933467 2.858276e-18
# P1 -1.059299 2.139443 -0.4951286 6.259053e-01
# K1 -3.905052 2.226012 -1.7542822 9.469295e-02
似乎隐藏了P和K的基线（参考）级别。
问题
如何更改代码以访问P0和K0的p值作为model对象的系数？
注意：我不确定它是否会对解决方案产生影响，我实际上在我的实际问题中使用lmrob作为强大的回归函数，所以我决定更好地保留在这个可重复的例子中。
答案 0 :(得分：1)
估计的p值是：
coef(summary(model))[, 4]
关于参考水平，模型使用治疗对比，因此参考水平的值都为零，因此询问它们的p值没有意义。