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

Question

假设我有一个结果Y (心脏病)，我感兴趣的是4个自变量(A，B，C，D)对Y的影响。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，从F检验中，我可以得到一个代表模型中所有变量的显着水平的p值。但是如果我只想从model1中得到一个p值，表示A，B，C，D，4个变量的显著性水平(我在model1中仍然有年龄和性别)，我该怎么办呢？

非常感谢。

Answer 1

下面是一个使用mtcars数据集的示例。因为我没有你的数据，所以我不能准确地重现你的问题。

# 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"), ]

因此，就您的代码而言，尝试

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