69

我正在寻找从 R 中的方差分析生成的 p 值。

这是我正在运行的内容：

test <- aov(asq[,9] ~ asq[,187])
summary(test)

产量：

              Df Sum Sq Mean Sq F value    Pr(>F)    
asq[, 187]     1   3.02 3.01951  12.333 0.0004599 ***
Residuals   1335 326.85 0.24483                      
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 
12 observations deleted due to missingness

当我看结构时，这就是我所看到的。我通常可以通过列表来获得我需要的东西，但是我很难处理这个。谷歌搜索似乎也揭示了比我得到的更简单的结构。

注意：ASQ 是我的数据框。

str(test)

List of 13
 $ coefficients : Named num [1:2] 0.2862 0.0973
  ..- attr(*, "names")= chr [1:2] "(Intercept)" "asq[, 187]"
 $ residuals    : Named num [1:1337] 0.519 0.519 -0.481 -0.481 -0.481 ...
  ..- attr(*, "names")= chr [1:1337] "1" "2" "3" "4" ...
 $ effects      : Named num [1:1337] -16.19 -1.738 -0.505 -0.505 -0.505 ...
  ..- attr(*, "names")= chr [1:1337] "(Intercept)" "asq[, 187]" "" "" ...
 $ rank         : int 2
 $ fitted.values: Named num [1:1337] 0.481 0.481 0.481 0.481 0.481 ...
  ..- attr(*, "names")= chr [1:1337] "1" "2" "3" "4" ...
 $ assign       : int [1:2] 0 1
 $ qr           :List of 5
  ..$ qr   : num [1:1337, 1:2] -36.565 0.0273 0.0273 0.0273 0.0273 ...
  .. ..- attr(*, "dimnames")=List of 2
  .. .. ..$ : chr [1:1337] "1" "2" "3" "4" ...
  .. .. ..$ : chr [1:2] "(Intercept)" "asq[, 187]"
  .. ..- attr(*, "assign")= int [1:2] 0 1
  ..$ qraux: num [1:2] 1.03 1.02
  ..$ pivot: int [1:2] 1 2
  ..$ tol  : num 1e-07
  ..$ rank : int 2
  ..- attr(*, "class")= chr "qr"
 $ df.residual  : int 1335
 $ na.action    :Class 'omit'  Named int [1:12] 26 257 352 458 508 624 820 874 1046 1082 ...
  .. ..- attr(*, "names")= chr [1:12] "26" "257" "352" "458" ...
 $ xlevels      : list()
 $ call         : language aov(formula = asq[, 9] ~ asq[, 187])
 $ terms        :Classes 'terms', 'formula' length 3 asq[, 9] ~ asq[, 187]
  .. ..- attr(*, "variables")= language list(asq[, 9], asq[, 187])
  .. ..- attr(*, "factors")= int [1:2, 1] 0 1
  .. .. ..- attr(*, "dimnames")=List of 2
  .. .. .. ..$ : chr [1:2] "asq[, 9]" "asq[, 187]"
  .. .. .. ..$ : chr "asq[, 187]"
  .. ..- attr(*, "term.labels")= chr "asq[, 187]"
  .. ..- attr(*, "order")= int 1
  .. ..- attr(*, "intercept")= int 1
  .. ..- attr(*, "response")= int 1
  .. ..- attr(*, ".Environment")=<environment: R_GlobalEnv> 
  .. ..- attr(*, "predvars")= language list(asq[, 9], asq[, 187])
  .. ..- attr(*, "dataClasses")= Named chr [1:2] "numeric" "numeric"
  .. .. ..- attr(*, "names")= chr [1:2] "asq[, 9]" "asq[, 187]"
 $ model        :'data.frame':  1337 obs. of  2 variables:
  ..$ asq[, 9]  : int [1:1337] 1 1 0 0 0 1 1 1 0 0 ...
  ..$ asq[, 187]: int [1:1337] 2 2 2 2 2 2 2 2 2 2 ...
  ..- attr(*, "terms")=Classes 'terms', 'formula' length 3 asq[, 9] ~ asq[, 187]
  .. .. ..- attr(*, "variables")= language list(asq[, 9], asq[, 187])
  .. .. ..- attr(*, "factors")= int [1:2, 1] 0 1
  .. .. .. ..- attr(*, "dimnames")=List of 2
  .. .. .. .. ..$ : chr [1:2] "asq[, 9]" "asq[, 187]"
  .. .. .. .. ..$ : chr "asq[, 187]"
  .. .. ..- attr(*, "term.labels")= chr "asq[, 187]"
  .. .. ..- attr(*, "order")= int 1
  .. .. ..- attr(*, "intercept")= int 1
  .. .. ..- attr(*, "response")= int 1
  .. .. ..- attr(*, ".Environment")=<environment: R_GlobalEnv> 
  .. .. ..- attr(*, "predvars")= language list(asq[, 9], asq[, 187])
  .. .. ..- attr(*, "dataClasses")= Named chr [1:2] "numeric" "numeric"
  .. .. .. ..- attr(*, "names")= chr [1:2] "asq[, 9]" "asq[, 187]"
  ..- attr(*, "na.action")=Class 'omit'  Named int [1:12] 26 257 352 458 508 624 820 874 1046 1082 ...
  .. .. ..- attr(*, "names")= chr [1:12] "26" "257" "352" "458" ...
 - attr(*, "class")= chr [1:2] "aov" "lm"
4

7 回答 7

89

这里：

summary(test)[[1]][["Pr(>F)"]][1]
于 2010-07-29T22:12:38.023 回答
21

由于上面的建议对我不起作用，这就是我设法解决它的方法：

sum_test = unlist(summary(test))

然后看名字

names(sum_test)

我有“Pr(>F)1”和“Pr(>F)2”，当第一个它是请求值时，所以

sum_test["Pr(>F)1"]

将给出请求的值

于 2014-04-29T13:26:34.383 回答
9

我知道这很旧，但我在网上四处查看并没有找到解释或一般解决方案，这个线程是谷歌搜索中出现的第一件事。

Aniko 是对的，最简单的方法是查看summary(test)。

tests <- summary(test)
str(tests)

这为您提供了一个独立度量 aov 对象的 1 列表，但它可能有多个具有重复度量的项目。通过重复测量，列表中的每个项目都由列表中项目的错误项定义。许多新人感到困惑的是，如果它在度量之间，则没有命名一个单独的列表项。所以，他们并没有真正注意到这一点，也不明白为什么使用典型的选择器不起作用。

在独立措施的情况下，类似以下工作。

tests[[1]]$'Pr(>F)'

在重复测量中它是相似的，但你也可以使用命名项目，如......

myModelSummary$'Error: subject:A'[[1]]$'Pr(>F)'

请注意，我仍然必须进行列表选择，因为重复测量模型中的每个列表项都是 1 的列表。

于 2012-04-13T17:53:46.473 回答
5

看看str(summary(test))——这就是你看到 p 值的地方。

于 2010-07-29T20:34:20.653 回答
3

比 BurningLeo 的建议要短一些：

summary(test)[[1]][[1,"Pr(>F)"]]
于 2014-06-17T07:47:17.490 回答
2 
summary(aov(y~factor(x)))[[1]][[5]][1]
于 2016-03-02T06:16:16.997 回答
0 
unlist(summary(myAOV)[[2]])[[9]]

2和9是myAOV模型中p值的位置

于 2016-06-22T13:27:04.777 回答