如何调去其中的系数标准误 Estimate Std.

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在summary之后。如何调去其中的系数标准误 Estimate Std.
> summary(result)

Call:
lm(formula = y ~ x, data = data)

Residuals:
    Min      1Q  Median      3Q     Max
-2.0182 -1.1818  0.4182  1.1636  2.1636

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept)   9.2727     0.4632  20.021 9.00e-09 ***
x             1.4364     0.1465   9.807 4.21e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.536 on 9 degrees of freedom
Multiple R-squared:  0.9144,    Adjusted R-squared:  0.9049
F-statistic: 96.18 on 1 and 9 DF,  p-value: 4.207e-06

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：estimate Tima Est Mat ima result Error 如何

学习一下                                                                        
                                       
                                                     
                                                     
                                             
                                                                 
                                                                                 

> x = 1:10
> y = 2:11
> a = lm(y ~ x, data = data.frame(y = y, x = x))
> mode(a)
[1] "list"
> names(a)
[1] "coefficients"  "residuals"     "effects"       "rank"         
[5] "fitted.values" "assign"        "qr"            "df.residual"  
[9] "xlevels"       "call"          "terms"         "model"        
> a

Call:
lm(formula = y ~ x, data = data.frame(y = y, x = x))

Coefficients:
(Intercept)            x  
          1            1  

> summary(a)

Call:
lm(formula = y ~ x, data = data.frame(y = y, x = x))

Residuals:
       Min         1Q     Median         3Q        Max
-5.661e-16 -1.157e-16  4.273e-17  2.153e-16  4.167e-16

Coefficients:
             Estimate Std. Error   t value Pr(>|t|)   
(Intercept) 1.000e+00  2.458e-16 4.069e+15   <2e-16 ***
x           1.000e+00  3.961e-17 2.525e+16   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.598e-16 on 8 degrees of freedom
Multiple R-squared:      1,     Adjusted R-squared:      1
F-statistic: 6.374e+32 on 1 and 8 DF,  p-value: < 2.2e-16

> b = summary(a)
> mode(b)
[1] "list"
> names(b)
[1] "call"          "terms"         "residuals"     "coefficients"
[5] "aliased"       "sigma"         "df"            "r.squared"   
[9] "adj.r.squared" "fstatistic"    "cov.unscaled"
> b[["coefficients"]]
            Estimate   Std. Error      t value      Pr(>|t|)
(Intercept)        1 2.457583e-16 4.069038e+15 1.490336e-122
x                  1 3.960754e-17 2.524772e+16 6.783304e-129
> mode(b[["coefficients"]])
[1] "numeric"
> class(b[["coefficients"]])
[1] "matrix"
> b[["coefficients"]][2,2]
[1] 3.960754e-17

meishanjia1900 发表于 2014-10-9 22:54
> x = 1:10
> y = 2:11
> a = lm(y ~ x, data = data.frame(y = y, x = x))