不同的最佳拟合，并从R中的回归中获得p值

Question

我有这个图，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，并且r和r ^ 2，我如何获得它并在图上绘制它们？ 在经济上，我将直线的方程和统计的值。 另一个问题是，为什么我用lm进行绘图，如：

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

直线与图1不同（见图2）？

图2

是的我知道，这取决于拦截，但R不能找到最适合lm的功能吗？

Answer 1

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

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

您无法直接从摘要中获取整体p值，但您可以从F统计中计算，以下是如何计算它：

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

您可以参考以下链接：Adding Regression Line Equation and R2 on graph了解如何在ggplot中标记它们。至于为什么回归线似乎不正确，这是因为你的变量在lm公式中被还原。 abline(lm(istat_22 ~ vpa_cnr_2),col="red")

Answer 2

具体而言，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