varias superponer studio lineas graficos graficas r regression lm standard-error

studio - superponer graficas en r



R: salida de error estándar de objeto lm (5)

Creo que las siguientes líneas también pueden proporcionarle una respuesta rápida:

lm_aaa<- lm(aaa~x+y+z) se <- sqrt(diag(vcov(lm_aaa)))

Obtuvimos un objeto lm y queremos extraer el error estándar.

lm_aaa<- lm(aaa~x+y+z)

Conozco la función de resumen, nombres y coeficientes. Sin embargo, el resumen parece ser la única forma de acceder manualmente al error estándar. ¿Tienes alguna idea de cómo puedo dar salida?

¡Gracias!


La salida de la función de summary es solo una lista R. Así que puedes usar todas las operaciones de lista estándar. Por ejemplo:

#some data (taken from Roland''s example) x = c(1,2,3,4) y = c(2.1,3.9,6.3,7.8) #fitting a linear model fit = lm(y~x) m = summary(fit)

El objeto o lista m tiene una serie de atributos. Puede acceder a ellos utilizando el corchete o el enfoque denominado:

m$sigma m[[6]]

Una función útil para conocer es, str . Esta función proporciona un resumen de los atributos de los objetos, es decir,

str(m)


Para obtener una lista de los errores estándar para todos los parámetros, puede utilizar

summary(lm_aaa)$coefficients[, 2]

Como han señalado otros, str(lm_aaa) le dirá prácticamente toda la información que se puede extraer de su modelo.


Si no desea obtener el error / desviación estándar del modelo , sino el error / desviación estándar de los coeficientes individuales , utilice

# some data (taken from Roland''s example) x = c(1, 2, 3, 4) y = c(2.1, 3.9, 6.3, 7.8) # fitting a linear model fit = lm(y ~ x) # get vector of all standard errors of the coefficients coef(summary(fit))[, "Std. Error"]

Para obtener más información sobre el error / desviación estándar del modelo, consulte here . Para obtener más información sobre el error / desviación estándar de los coeficientes, consulte here .


#some data x<-c(1,2,3,4) y<-c(2.1,3.9,6.3,7.8) #fitting a linear model fit<-lm(y~x) #look at the statistics summary summary(fit) #get the standard error of the slope se_slope<-summary(fit)$coef[[4]] #the index depends on the model and which se you want to extract #get the residual standard error rse<-summary(fit)$sigma