计算线性回归模型的F统计量和自变量的效应p值（使用R语言）

计算线性回归模型的F统计量和自变量的效应p值（使用R语言）

线性回归是一种常用的统计方法，用于建立自变量与因变量之间的线性关系模型。在进行线性回归分析时，我们通常会关注模型的拟合优度以及自变量的显著性。本文将介绍如何使用R语言计算线性回归模型的F统计量和自变量的效应p值。

首先，我们需要准备相关的数据。假设我们有一个数据集，其中包含一个因变量（y）和多个自变量（x1, x2, …）。我们将使用lm()函数来拟合线性回归模型，并通过summary()函数来获取模型的统计结果。

# 创建数据集
x1 <- c(1, 2, 3, 4, 5)
x2 <- c(2, 4, 6, 8, 10)
y <- c(3, 6, 7, 8, 11)

# 拟合线性回归模型
model <- lm(y ~ x1 + x2)

# 获取模型的统计结果
summary(model)

运行以上代码，我们将得到如下的输出：

Call:
lm(formula = y ~ x1 + x2)

Residuals:
     1      2      3      4      5 
-0.333  0.333 -1.000  0.333  0.667 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)  
(Intercept)   0.6667     1.1832   0.563   0.6236  
x1            1.1667     0.6882   1.696   0.2104  
x2