如何在R中为一般线性模型的截距和自变量提取p值？

一般线性模型不假设所考虑的变量是正态分布的，因此，我们可以使用其他概率分布来创建一般线性模型。我们实际上应该说，如果数据不遵循正态分布，那么我们可以使用通用线性模型尝试不同的分布，并检查模型是否合适。p值在选择最佳模型中起着重要作用，我们可能希望从模型对象中提取它们。这可以通过使用coef函数来完成。

示例

请看以下数据帧-

> set.seed(123)
> var1<-rnorm(20,0.5)
> var2<-rnorm(20,1.5)
> var3<-rnorm(20,2.5)
> Response<-rpois(20,2)
> df<-data.frame(var1,var2,var3,Response)
> df

输出结果

   var1       var2       var3    Response
1 -0.06047565 0.4321763 1.8052930    2
2 0.26982251 1.2820251 2.2920827    1
3 2.05870831 0.4739956 1.2346036    1
4 0.57050839 0.7711088 4.6689560    1
5 0.62928774 0.8749607 3.7079620    1
6 2.21506499 -0.1866933 1.3768914   6
7 0.96091621 2.3377870 2.0971152    1
8 -0.76506123 1.6533731 2.0333446    0
9 -0.18685285 0.3618631 3.2799651    1
10 0.05433803 2.7538149 2.4166309    3
11 1.72408180 1.9264642 2.7533185    2
12 0.85981383 1.2049285 2.4714532    4
13 0.90077145 2.3951257 2.4571295    2
14 0.61068272 2.3781335 3.8686023    3
15 -0.05584113 2.3215811 2.2742290   2
16 2.28691314 2.1886403 4.0164706    2
17 0.99785048 2.0539177 0.9512472    3
18 -1.46661716 1.4380883 3.0846137   3
19 1.20135590 1.1940373 2.6238542    5
20 0.02720859 1.1195290 2.7159416    2

> General_LM<-glm(Response~var1+var2+var3,df,family=poisson())
> summary(General_LM)

输出结果

Call:
glm(formula = Response ~ var1 + var2 + var3, family = poisson(),
   data = df)
Deviance Residuals:
   Min    1Q    Median    3Q    Max
-1.8886 -0.6977 -0.1502 0.7453 1.4222
Coefficients:
         Estimate    Std.    Error z value Pr(>|z|)
(Intercept) 1.00642    0.50653    1.987     0.0469 *
var1        0.18546    0.16256    1.141     0.2539
var2       -0.04053    0.18234   -0.222     0.8241
var3       -0.10772    0.16206  -0.665      0.5063
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 18.704 on 19 degrees of freedom
Residual deviance: 16.376 on 16 degrees of freedom
AIC: 74.43
Number of Fisher Scoring iterations: 5
> coef(summary(General_LM))[,4]
(Intercept)    var1    var2    var3
0.0469347 0.2539288 0.8241122 0.5062662