Question

我正在寻找返回R中anova模型的de Rsquared的方法/函数。

到目前为止找不到任何东西。

由于

Answer 1

tl; dr ：您可以通过查看相应线性模型的摘要输出来获得anova的R平方

让我们一步一步走：

1）让我们使用here

中的数据

pain <- c(4, 5, 4, 3, 2, 4, 3, 4, 4, 6, 8, 4, 5, 4, 6, 5, 8, 6, 6, 7, 6, 6, 7, 5, 6, 5, 5)
drug <- c(rep("A", 9), rep("B", 9), rep("C", 9))
migraine <- data.frame(pain, drug)

2）让我们得到anova：

AOV <- aov(pain ~ drug, data=migraine)

summary(AOV)

##             Df Sum Sq Mean Sq F value   Pr(>F)    
## drug         2  28.22  14.111   11.91 0.000256 ***
## Residuals   24  28.44   1.185                     
## ---
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

3）现在，anova与线性模型直接相关，所以让我们得到它并从中找到anova：

LM <- lm(pain ~ drug, data=migraine)

anova(LM)

## Analysis of Variance Table
## 
## Response: pain
##           Df Sum Sq Mean Sq F value    Pr(>F)    
## drug       2 28.222 14.1111  11.906 0.0002559 ***
## Residuals 24 28.444  1.1852                      
## ---
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

正如所料，结果完全相同。这意味着......

3）我们可以从线性模型得到R平方：

summary(LM)

## Call:
## lm(formula = pain ~ drug, data = migraine)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.7778 -0.7778  0.1111  0.3333  2.2222 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   3.6667     0.3629  10.104 4.01e-10 ***
## drugB         2.1111     0.5132   4.114 0.000395 ***
## drugC         2.2222     0.5132   4.330 0.000228 ***
## ---
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
## 
## Residual standard error: 1.089 on 24 degrees of freedom
## Multiple R-squared:  0.498,  Adjusted R-squared:  0.4562 
## F-statistic: 11.91 on 2 and 24 DF,  p-value: 0.0002559

所以R平方 0.498

但是，如果我们不相信这一点呢？

4）什么是R平方？它是平方和回归除以总平方和（即，回归的平方和加上残差的平方和）。因此，让我们在anova中找到这些数字并直接计算R平方：

# We use the tidy function from the broom package to extract values
library(broom)

tidy_aov <- tidy(AOV)
tidy_aov

##        term df    sumsq    meansq statistic      p.value
## 1      drug  2 28.22222 14.111111  11.90625 0.0002558807
## 2 Residuals 24 28.44444  1.185185        NA           NA

# The values we need are in the sumsq column of this data frame

sum_squares_regression <- tidy_aov$sumsq[1]
sum_squares_residuals <- tidy_aov$sumsq[2]

R_squared <- sum_squares_regression /
            (sum_squares_regression + sum_squares_residuals)

R_squared

## 0.4980392

所以我们得到相同的结果：R平方 0.4980392

Answer 2

如果要计算调整后的R平方，则可以应用以下公式（来自https://www.statisticshowto.datasciencecentral.com/adjusted-r2/）：

s <- summary(LM)
r2 <- s$r.squared
n <- dim(migraine)[1]
k <- 2
#adjusted R-square
1 - ((1-r2)*(n-1)/(n-k-1))
#the same as
s$adj.r.squared

调整意味着对其他变量（公式中的“ k”）进行惩罚，就像在进行AIC计算时一样。如果拟合优度通过添加新的自变量而不会显着增加估计数与残差之比，那么您不应包括在内。

因此，随着越来越多的变量出现，R平方将始终增加，而经过调整的R平方在经过一定数量的回归后将停止改善。

如何从R中的anova中获取rsquare

2 个答案: