studio - superponer graficas en r

R: salida de error estándar de objeto lm

Question

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!

Answer 1

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

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

Answer 2

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)

Answer 3

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.

Answer 4

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 .

Answer 5

#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