解读R中的情节

我最近开始研究R，我试图看到两个定量变量F和test之间的关系 我的剧本是

library(dplyr)
library(ggplot2)

x = read.table("Input.txt", header = T)
ggplot(data = x, aes(x = F, y = Test)) +
  geom_point(colour = "red")
cor(x$F, x$Test)

ggplot(data = x, aes(x = sqrt(F), y = sqrt(Test))) +
  geom_point(colour = "red")+
  geom_smooth(method = "lm")

lmodel = lm(sqrt(Test) ~ sqrt(F), data = x)

结果见附件

summary(lmodel)

Call:
lm(formula = sqrt(Test) ~ sqrt(F), data = x)

Residuals:
    Min      1Q  Median      3Q     Max 
-3140.9 -2575.8 -1779.5  -146.2 18137.6 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)
(Intercept)     2818       3910   0.721    0.479
sqrt(F)         2169       7668   0.283    0.780

Residual standard error: 5233 on 21 degrees of freedom
Multiple R-squared:  0.003796,  Adjusted R-squared:  -0.04364 
F-statistic: 0.08001 on 1 and 21 DF,  p-value: 0.78

我只是不理解R手册中关于摘要输出的内容

若我只看线性模型的p值，它的坏的和相关性告诉我们并没有线性关系

谁能帮我理解这一点

谁能说我的剧本是对的

---

您可以在以下链接中找到有关

摘要的更多信息


您的p值始终在0和1之间，其解释如下

一个小的
p值
表明有强有力的证据反对你的无效假设

一个大的
p值
表明反对无效假设的证据很弱

此处的
p值
明显接近1。但不，这并不意味着你的模型不好

大学统计教授斯蒂芬·蒂格勒说，异常高的p值表明数据与模型吻合得令人怀疑。。。也就是说，高的
p值
表明数据之间实际上没有相关性或关联。这有点像随机性的指标。表明你有多大的机会观察到像你已经拥有的那样的相关性

此外，正如您所猜测的，这两个变量之间似乎没有关系。你的R平方统计提供了一个衡量模型拟合程度的指标。越接近1，越好
 非常感谢你。但这里的r2接近于0。这是否意味着模型不合适