R 将LM stats提取到表中

我用

stat\u poly\u eq

在左上角的线性回归图中绘制了一个显示

r2

、

p值

和

方程的图表

现在，我希望将线性回归的统计数据提取到一个表中

例如，在
mtcars
数据集中，如果我想对每个
cyl
inder组（例如4、6、8）的
hp
曲线图与
disp
进行线性回归，然后将线性回归统计数据提取到表中，我该怎么做

谢谢

这是我的图表：

library(ggplot2)
library(ggpmisc)

formula <- y~x

ggplot(mtcars, aes(disp, hp)) +
 geom_point() +
 geom_smooth(method = "lm",formula = formula) +
 theme_bw()+
 facet_wrap(~cyl, scales = "free")+
 stat_poly_eq(
  aes(label = paste(stat(adj.rr.label), stat(eq.label), stat(p.value.label), sep = "*\", \"*")),
  formula = formula, parse = TRUE, size=3)

库（ggplot2）
图书馆（ggpmisc）
你的意思是这样的吗


使用
nest_by
，将分开的tible中的其余列除以每个
cyl
使用
summary
，计算每个
lm
。您需要将其设置为一个列表
使用
map
像普通列表一样操作，并计算您需要的内容：系数（可使用
broom:：tidy
提取）和adj.r.squared（使用
摘要（.）$adj.r.squared
）
unnest
扫帚：：整理的结果
以生成唯一的TIBLE

库（dplyr）
图书馆（tidyr）
图书馆（purrr）
mtcars%>%
嵌套单位（循环）%>%
总结（mdl=列表（lm（hp~disp，数据）），.groups=“drop”）%>%
变异（adjrsquared=map_dbl（mdl，~summary（.）$adj.r.squared），
mdl=map（mdl，扫帚：：整齐））%>%
unnest（mdl）
#>#tibble:6 x 7
#>气缸项估计标准误差统计p值调整平方
#>                                  
#>1 4（截距）47.0 25.3 1.86 0.0960 0.0988
#>2 4显示0.339 0.234 1.45 0.182 0.0988
#>36（拦截）177。42.0       4.22  0.00829      0.117 
#>4 6 disp-0.300 0.224-1.34 0.238 0.117
#>5 8（拦截）178。77.4       2.30  0.0405      -0.0682
#>6 8 disp 0.0890 0.216 0.413 0.687-0.0682
你的意思是这样的吗


使用
nest_by
，将分开的tible中的其余列除以每个
cyl
使用
summary
，计算每个
lm
。您需要将其设置为一个列表
使用
map
像普通列表一样操作，并计算您需要的内容：系数（可使用
broom:：tidy
提取）和adj.r.squared（使用
摘要（.）$adj.r.squared
）
unnest
扫帚：：整理的结果

以生成唯一的TIBLE

库（dplyr）
图书馆（tidyr）
图书馆（purrr）
mtcars%>%
嵌套单位（循环）%>%
总结（mdl=列表（lm（hp~disp，数据）），.groups=“drop”）%>%
变异（adjrsquared=map_dbl（mdl，~summary（.）$adj.r.squared），
mdl=map（mdl，扫帚：：整齐））%>%
unnest（mdl）
#>#tibble:6 x 7
#>气缸项估计标准误差统计p值调整平方
#>                                  
#>1 4（截距）47.0 25.3 1.86 0.0960 0.0988
#>2 4显示0.339 0.234 1.45 0.182 0.0988
#>36（拦截）177。42.0       4.22  0.00829      0.117 
#>4 6 disp-0.300 0.224-1.34 0.238 0.117
#>5 8（拦截）178。77.4       2.30  0.0405      -0.0682
#>6 8 disp 0.0890 0.216 0.413 0.687-0.0682

我添加了

adj.r.squared

我添加了

adj.r.squared

library(dplyr)
library(tidyr)
library(purrr)

mtcars %>%
 nest_by(cyl) %>% 
 summarise(mdl = list(lm(hp ~ disp, data)), .groups = "drop") %>% 
 mutate(adjrsquared = map_dbl(mdl, ~summary(.)$adj.r.squared ),
        mdl = map(mdl, broom::tidy)) %>% 
 unnest(mdl)

#> # A tibble: 6 x 7
#>     cyl term        estimate std.error statistic p.value adjrsquared
#>   <dbl> <chr>          <dbl>     <dbl>     <dbl>   <dbl>       <dbl>
#> 1     4 (Intercept)  47.0       25.3       1.86  0.0960       0.0988
#> 2     4 disp          0.339      0.234     1.45  0.182        0.0988
#> 3     6 (Intercept) 177.        42.0       4.22  0.00829      0.117 
#> 4     6 disp         -0.300      0.224    -1.34  0.238        0.117 
#> 5     8 (Intercept) 178.        77.4       2.30  0.0405      -0.0682
#> 6     8 disp          0.0890     0.216     0.413 0.687       -0.0682