通过调用str(summary(fit))可以看到summary()返回的对象的结构。每个片段都可以使用$访问。F统计量的p值更容易从方差分析返回的对象中得到。

简单地说，你可以这样做:

rSquared <- summary(fit)$r.squared
pVal <- anova(fit)$'Pr(>F)'[1]

@Vincent回答的延伸:

对于lm()生成的模型:

summary(fit)$coefficients[,4]   ##P-values 
summary(fit)$r.squared          ##R squared values

对于gls()生成的模型:

summary(fit)$tTable[,4]         ##P-values
##R-squared values are not generated b/c gls uses max-likelihood not Sums of Squares

为了隔离单独的p值本身，你需要在代码中添加一个行号:

例如，要访问两个模型摘要中截距的p值:

summary(fit)$coefficients[1,4]
summary(fit)$tTable[1,4]  

注意，你可以在上面的每个实例中用列名替换列号: 总结(适合)$系数[1,“公关(> | t |)“# # lm 总结(适合)$ tTable[1,“假定值 "] ## gl

如果你仍然不确定如何从汇总表中访问一个值，使用str()来找出汇总表的结构:

str(summary(fit))

对于summary()末尾显示的最终p值，该函数使用pf()从summary(fit)$fstatistic值中计算。

fstat <- summary(fit)$fstatistic
pf(fstat[1], fstat[2], fstat[3], lower.tail=FALSE)

来源:[1]，[2]

x = cumsum(c(0, runif(100, -1, +1)))
y = cumsum(c(0, runif(100, -1, +1)))
fit = lm(y ~ x)
> names(summary(fit))
[1] "call"          "terms"        
 [3] "residuals"     "coefficients" 
 [5] "aliased"       "sigma"        
 [7] "df"            "r.squared"    
 [9] "adj.r.squared" "fstatistic"   
[11] "cov.unscaled" 
    summary(fit)$r.squared

使用:

(summary(fit))$coefficients[***num***,4]

其中num是一个数字，表示系数矩阵的行。这取决于你的模型中有多少特征，以及你想为哪一个提取p值。例如，如果你只有一个变量，那么截距的p值将是[1,4]，下一个是你的实际变量的p值将是[2,4]。所以你的num是2。

注意，summary(fit)生成了一个包含您需要的所有信息的对象。se t和p向量都存储在里面。通过选择系数矩阵的第4列来获得p值(存储在summary对象中):

summary(fit)$coefficients[,4] 
summary(fit)$r.squared

尝试str(summary(fit))查看该对象包含的所有信息。

编辑:我误解了蔡斯的答案，它基本上告诉你如何得到我在这里给出的东西。