R语言 如何在R中计算F-统计量的P值

F检验是一种统计检验，它产生的F统计量在无效假设下具有F分布。本文主要介绍如何在R编程语言中计算F统计量的P值。

在R语言中寻找F统计量的P值

R提供了pf()函数，我们可以用它来确定与F-统计量相关的P值。该函数的语法如下。

语法： pf(F_statistic, dataframe1, dataframe2, lower.tail = FALSE)

参数 。

• F_statistic：它代表f统计量的值
• dataframe1：它代表自由度1
• dataframe2:它代表自由度2
• lower.tail = TRUE：返回与F分布的下尾部相关的概率。
• lower.tail = FALSE：不返回与F分布的下尾部相关的概率。

例子 。

考虑一个有以下参数的例子。

• fstat：7
• df1: 4
• df2: 5
• lower.tail = FALSE

pf(7, 4, 5, lower.tail = FALSE)

输出 。

因此，与F-statistic相关的p值等于0.027。F检验也被用来检验回归模型的总体意义。

从回归模型的F-统计量计算P值

考虑到我们有一个数据集，其中显示了旅行的总距离，产生的总排放量，最后获得的里程。

# Create a dataset
dataset <- data.frame(distance = c(112, 217, 92, 98, 104),
                   emission = c(4.5, 9.8, 12.1, 3.2, 7.6),
                   mileage = c(15, 12, 16, 19, 21))
  
# Display the dataset
dataset

输出 。

现在，我们可以用距离和里程作为预测变量，用里程作为响应变量来拟合这个数据的线性回归模型。为了拟合回归模型，R提供了lm()，使用它我们可以很容易地拟合线性回归模型。它的语法如下。

语法： lm( formula，dataframe )

参数。

• formula。它表示线性模型的公式。
• dataframe。它代表一个包含数据的数据框。

为了打印线性模型的摘要，我们可以使用summary()函数。这个函数的语法如下。

语法： summary(model)

参数： model。它代表一个模型

下面给出了完整的源代码。

# Create a dataset
dataset <- data.frame(distance = c(112, 217, 92, 98, 104),
                   emission = c(4.5, 9.8, 12.1, 3.2, 7.6),
                   mileage = c(15, 12, 16, 19, 21))
  
# Fit a regression model
model <- lm(mileage ~ distance + emission, data = dataset)
  
# Display the output of the model
summary(model)

输出 。

整个回归模型的F统计量等于1.321。这个F统计量对于分子和分母都有2个自由度。这个F-statistic的P值等于0.4309。

我们可以在以下代码的帮助下计算出这个等效的P值。

# Compute the p-value
pf(1.321, 2, 2, lower.tail = FALSE)

输出 。

正如你在输出中看到的，我们得到了一个几乎相似的结果。