如何从R中rms包的ols（）模型中获取系数的p值

我使用mtcars数据集和rms包的ols（）函数运行回归，如下所示：

> library(rms)
> mod_ols = ols(mpg~wt+qsec+am+hp+vs+drat+cyl, mtcars)                           
> 
> mod_ols

Linear Regression Model

ols(formula = mpg ~ wt + qsec + am + hp + vs + drat + cyl, data = mtcars)

                Model Likelihood     Discrimination    
                   Ratio Test           Indexes        
Obs       32    LR chi2     62.73    R2       0.859    
sigma 2.5703    d.f.            7    R2 adj   0.818    
d.f.      24    Pr(> chi2) 0.0000    g        6.519    

Residuals

    Min      1Q  Median      3Q     Max 
-3.3615 -1.7407 -0.2537  1.0893  4.5929 

          Coef    S.E.    t     Pr(>|t|)
Intercept 15.7714 16.5491  0.95 0.3501  
wt        -3.0826  1.0888 -2.83 0.0092  
qsec       0.7426  0.6632  1.12 0.2739  
am         2.5945  1.8802  1.38 0.1803  
hp        -0.0182  0.0162 -1.12 0.2728  
vs         0.2321  2.0291  0.11 0.9099  
drat       0.6387  1.5186  0.42 0.6778  
cyl        0.0309  0.9091  0.03 0.9732  

制作的模型结构如下：

> str(mod_ols)
List of 18
 $ coefficients     : Named num [1:8] 15.7714 -3.0826 0.7426 2.5945 -0.0182 ...
  ..- attr(*, "names")= chr [1:8] "Intercept" "wt" "qsec" "am" ...
 $ residuals        : Named num [1:32] -2.193 -1.823 -3.362 0.714 1.81 ...
  ..- attr(*, "names")= chr [1:32] "Mazda RX4" "Mazda RX4 Wag" "Datsun 710" "Hornet 4 Drive" ...
 $ effects          : Named num [1:32] -113.65 -29.12 -9.1 5.12 3.04 ...
  ..- attr(*, "names")= chr [1:32] "Intercept" "wt" "qsec" "am" ...
 $ rank             : int 8
 $ fitted.values    : Named num [1:32] 23.2 22.8 26.2 20.7 16.9 ...
  ..- attr(*, "names")= chr [1:32] "Mazda RX4" "Mazda RX4 Wag" "Datsun 710" "Hornet 4 Drive" ...
 $ assign           :List of 7
  ..$ wt  : int 2
  ..$ qsec: int 3
  ..$ am  : int 4
  ..$ hp  : int 5
  ..$ vs  : int 6
  ..$ drat: int 7
  ..$ cyl : int 8
 $ qr               :List of 5
  ..$ qr   : num [1:32, 1:8] -5.657 0.177 0.177 0.177 0.177 ...
  .. ..- attr(*, "dimnames")=List of 2
  .. .. ..$ : chr [1:32] "Mazda RX4" "Mazda RX4 Wag" "Datsun 710" "Hornet 4 Drive" ...
  .. .. ..$ : chr [1:8] "Intercept" "wt" "qsec" "am" ...
  .. ..- attr(*, "assign")= int [1:8] 0 1 2 3 4 5 6 7
  ..$ qraux: num [1:8] 1.18 1.05 1.08 1.18 1.03 ...
  ..$ pivot: int [1:8] 1 2 3 4 5 6 7 8
  ..$ tol  : num 0.0000001
  ..$ rank : int 8
  ..- attr(*, "class")= chr "qr"
 $ df.residual      : int 24
 $ var              : num [1:8, 1:8] 273.872 3.919 -9.225 -13.12 -0.054 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:8] "Intercept" "wt" "qsec" "am" ...
  .. ..$ : chr [1:8] "Intercept" "wt" "qsec" "am" ...
 $ stats            : Named num [1:6] 32 62.733 7 0.859 6.519 ...
  ..- attr(*, "names")= chr [1:6] "n" "Model L.R." "d.f." "R2" ...
 $ linear.predictors: Named num [1:32] 23.2 22.8 26.2 20.7 16.9 ...
  ..- attr(*, "names")= chr [1:32] "Mazda RX4" "Mazda RX4 Wag" "Datsun 710" "Hornet 4 Drive" ...
 $ call             : language ols(formula = mpg ~ wt + qsec + am + hp + vs + drat + cyl, data = mtcars)
 $ terms            :Classes 'terms', 'formula' length 3 mpg ~ wt + qsec + am + hp + vs + drat + cyl
  .. ..- attr(*, "variables")= language list(mpg, wt, qsec, am, hp, vs, drat, cyl)
  .. ..- attr(*, "factors")= int [1:8, 1:7] 0 1 0 0 0 0 0 0 0 0 ...
  .. .. ..- attr(*, "dimnames")=List of 2
  .. .. .. ..$ : chr [1:8] "mpg" "wt" "qsec" "am" ...
  .. .. .. ..$ : chr [1:7] "wt" "qsec" "am" "hp" ...
  .. ..- attr(*, "term.labels")= chr [1:7] "wt" "qsec" "am" "hp" ...
  .. ..- attr(*, "order")= int [1:7] 1 1 1 1 1 1 1
  .. ..- attr(*, "intercept")= num 1
  .. ..- attr(*, "response")= int 1
  .. ..- attr(*, ".Environment")=<environment: R_GlobalEnv> 
  .. ..- attr(*, "predvars")= language list(mpg, wt, qsec, am, hp, vs, drat, cyl)
  .. ..- attr(*, "dataClasses")= Named chr [1:8] "numeric" "numeric" "numeric" "numeric" ...
  .. .. ..- attr(*, "names")= chr [1:8] "mpg" "wt" "qsec" "am" ...
  .. ..- attr(*, "formula")=Class 'formula' length 3 mpg ~ wt + qsec + am + hp + vs + drat + cyl
  .. .. .. ..- attr(*, ".Environment")=<environment: R_GlobalEnv> 
 $ Design           :List of 11
  ..$ name        : chr [1:7] "wt" "qsec" "am" "hp" ...
  ..$ label       : chr [1:7] "wt" "qsec" "am" "hp" ...
  ..$ units       : Named chr [1:7] "" "" "" "" ...
  .. ..- attr(*, "names")= chr [1:7] "wt" "qsec" "am" "hp" ...
  ..$ colnames    : chr [1:7] "wt" "qsec" "am" "hp" ...
  ..$ assume      : chr [1:7] "asis" "asis" "asis" "asis" ...
  ..$ assume.code : int [1:7] 1 1 1 1 1 1 1
  ..$ parms       : list()
  ..$ limits      : list()
  ..$ values      : list()
  ..$ nonlinear   :List of 7
  .. ..$ wt  : logi FALSE
  .. ..$ qsec: logi FALSE
  .. ..$ am  : logi FALSE
  .. ..$ hp  : logi FALSE
  .. ..$ vs  : logi FALSE
  .. ..$ drat: logi FALSE
  .. ..$ cyl : logi FALSE
  ..$ interactions: list()
 $ non.slopes       : num 1
 $ na.action        : NULL
 $ scale.pred       : chr "mpg"
 $ fail             : logi FALSE
 - attr(*, "class")= chr [1:3] "ols" "rms" "lm"
> 

>str（mod_ols）
18人名单
$coverties:Named num[1:8]15.7714-3.0826 0.7426 2.5945-0.0182。。。
..-attr（*，“name”）=chr[1:8]“Intercept”“wt”“qsec”“am”。。。
$residuals:Named num[1:32]-2.193-1.823-3.362 0.714 1.81。。。
..-attr（*，“name”）=chr[1:32]“马自达RX4”“马自达RX4 Wag”“Datsun 710”“大黄蜂4路”。。。
$effects:Named num[1:32]-113.65-29.12-9.15.12 3.04。。。
..-attr（*，“name”）=chr[1:32]“Intercept”“wt”“qsec”“am”。。。
$rank:int 8
$fitted.values:Named num[1:32]23.2222.826.220.716.9。。。
..-attr（*，“name”）=chr[1:32]“马自达RX4”“马自达RX4 Wag”“Datsun 710”“大黄蜂4路”。。。
$assign:7人名单
..$wt:int 2
..$qsec:int 3
..$am:int 4
..$hp:int 5
..$vs:int 6
..$drat:int 7
..$cyl:int 8
$qr：5人名单
..$qr:num[1:32，1:8]-5.657 0.177 0.177 0.177 0.177。。。
.. ..- 属性（*，“dimnames”）=2个列表
.. .. ..$ : chr[1:32]“马自达RX4”“马自达RX4 Wag”“Datsun 710”“大黄蜂4路”。。。
.. .. ..$ : chr[1:8]“截获”“wt”“qsec”“am”。。。
.. ..- 属性（*，“赋值”）=int[1:8]01 2 3 4 5 6 7
..$qraux:num[1:8]1.181.05 1.08 1.181.03。。。
..$pivot:int[1:8]1 2 3 4 5 6 7 8
..$tol:num 0.0000001
..$rank:int 8
..-attr（*，“类”）=chr“qr”
$df.剩余：整数24
$var:num[1:8,1:8]273.8723.919-9.225-13.12-0.054。。。
..-attr（*，“dimnames”）=2个列表
.. ..$ : chr[1:8]“截获”“wt”“qsec”“am”。。。
.. ..$ : chr[1:8]“截获”“wt”“qsec”“am”。。。
$stats:Named num[1:6]32 62.733 7 0.859 6.519。。。
..-attr（*，“name”）=chr[1:6]“n”型号L.R.“d.f.“R2”。。。
$linear.predictors:Named num[1:32]23.2222.826.220.716.9。。。
..-attr（*，“name”）=chr[1:32]“马自达RX4”“马自达RX4 Wag”“Datsun 710”“大黄蜂4路”。。。
$call：语言ols（公式=mpg~wt+qsec+am+hp+vs+drat+cyl，数据=mtcars）
$terms:Classes'terms'，'公式'长度3英里~wt+qsec+am+hp+vs+drat+cyl
.. ..- 属性（*，“变量”）=语言列表（mpg、wt、qsec、am、hp、vs、drat、cyl）
.. ..- 属性（*，“因子”）=int[1:8，1:7]01100。。。
.. .. ..- 属性（*，“dimnames”）=2个列表
.. .. .. ..$ : chr[1:8]“mpg”“wt”“qsec”“am”。。。
.. .. .. ..$ : chr[1:7]“wt”“qsec”“am”“hp”。。。
.. ..- 属性（*，“术语标签”）=chr[1:7]“wt”“qsec”“am”“hp”。。。
.. ..- 属性（*，“顺序”）=int[1:7]1
.. ..- 属性（*，“截距”）=num 1
.. ..- 属性（*，“响应”）=int 1
.. ..- 属性（*，“.Environment”）=
.. ..- 属性（*，“前置变量”）=语言列表（mpg、wt、qsec、am、hp、vs、drat、cyl）
.. ..- attr（*，“dataClasses”）=命名的chr[1:8]“numeric”“numeric”“numeric”“numeric”。。。
.. .. ..- 属性（*，“名称”）=chr[1:8]“mpg”“wt”“qsec”“am”。。。
.. ..- 属性（*，“公式”）=等级“公式”长度3英里~wt+qsec+am+hp+vs+drat+cyl
.. .. .. ..- 属性（*，“.Environment”）=
$Design:11人名单
..$name:chr[1:7]“wt”“qsec”“am”“hp”。。。
..$label:chr[1:7]“wt”“qsec”“am”“hp”。。。
..$units:命名为chr[1:7]“”。。。
.. ..- 属性（*，“名称”）=chr[1:7]“wt”“qsec”“am”“hp”。。。
..$colnames:chr[1:7]“wt”“qsec”“am”“hp”。。。
…假设：chr[1:7]“asis”“asis”“asis”“asis”。。。
..$ASSUBE.code:int[1:7]1
..$parms:list（）
..$limits:list（）
..$values:list（）
..$7人名单
.. ..$ wt:logi-FALSE
.. ..$ qsec:logi-FALSE
.. ..$ am:逻辑错误
.. ..$ hp:logi-FALSE
.. ..$ vs:logi-FALSE
.. ..$ drat:logi-FALSE
.. ..$ cyl:logi FALSE
..$interactions:list（）
$non.slopes:数量1
$na.action:NULL
$scale.pred:chr“mpg”
$fail:logi-FALSE
-属性（*，“类”）=chr[1:3]“ols”“rms”“lm”
> 

---

但是，我无法在mod_ols结构中找到p.值。如何从rms包的ols（）函数生成的模型中获取系数的P值？感谢您的帮助。

使用

summary.lm

：

summary.lm(mod_ols)$coefficients[ , "Pr(>|t|)"]
#  Intercept          wt        qsec          am          hp          vs 
#0.350087341 0.009234825 0.273857810 0.180345204 0.272787068 0.909889126 
#       drat         cyl 
#0.677806300 0.973163043

下面的每一行也可以做到这一点：

summary.lm(mod_ols)$coefficients[ , 4] 
coef(summary.lm(mod_ols))[ , 4]
coef(summary.lm(mod_ols))[ , "Pr(>|t|)"]

---

summary

为什么会因为

ols

而被劫持？@JesseKnight

summary

是一个“通用函数”，其输出取决于输入对象的类别。如果在

mod_ols

对象上调用

summary

，则在引擎盖下调用

summary.rms

，来自

rms

包的函数。如果您想了解更多关于这个通用主题及其工作原理的信息，可以搜索“R”和“S3”、“泛型函数”、“方法distpatch”和“OOP”等术语