在R中，如何从线性回归中获得选定变量的p值（显著性水平），而不是所有变量（F检验）？

假设我有一个结果Y（心脏病），我对4个自变量（A，B，C，D）对Y的影响感兴趣。我还想考虑年龄和性别的信息。 所以我的模型是：

model1=lm(Y~A+B+C+D+age+sex,data=MyData,na.action=na.omit)

我知道，通过F检验，我可以得到一个p值，代表模型中所有变量的显著性水平。但是如果我只想得到一个p值，它代表模型1中A，B，C，D，4个变量的显著性水平（我在模型1中仍然有年龄和性别），我该怎么办呢

---

非常感谢。

这里是一个示例，使用mtcars数据集。由于我没有你的数据，我无法准确地再现你的问题

# Model with many variables
mod <- lm(mpg ~ cyl + disp + hp + drat, data = mtcars)

# Show p-values for variables cyl and disp only, but using the full model
summary(mod)$coefficients[c("cyl", "disp"), ]

---

summary（lm（…无论如何…）

输出每个变量的重要性。是的，谢谢。但是我想问一下，有没有办法从F-检验中剔除年龄和性别的信息？我不清楚你想做什么，但你可以运行

anova

来比较多个模型：

anova（fm1，fm2）

其中

fm1

和

fm2

是两个不同

lm

调用的结果。

summary(model1)$coefficients[c("A","B","C","D"), ]