按显著P值划分的子集变量

使用 broom 包裹很遗憾,您尚未发布数据,因此我使用 mtcars 数据集作为演示:

library(broom)

# build model
m = lm(disp ~ ., data = mtcars)

# create a dataframe frm model's output
tm = tidy(m)

# visualise dataframe of the model
# (using non scientific notation of numbers)
options(scipen = 999)
tm

#           term    estimate   std.error   statistic       p.value
# 1  (Intercept)  -5.8119829 228.0609389 -0.02548434 0.97990925639
# 2          mpg   1.9398052   2.5976340  0.74675849 0.46348865035
# 3          cyl  15.3889587  12.1518291  1.26639032 0.21924091701
# 4           hp   0.6649525   0.2259928  2.94236093 0.00777972543
# 5         drat   8.8116809  19.7390767  0.44640796 0.65987184728
# 6           wt  86.7111730  16.1127236  5.38153418 0.00002448671
# 7         qsec -12.9742622   8.6227190 -1.50466021 0.14730421493
# 8           vs -12.1152075  25.2579953 -0.47965832 0.63642812949
# 9           am  -7.9135864  25.6183932 -0.30890253 0.76043942893
# 10        gear   5.1265224  18.0578153  0.28389494 0.77927112074
# 11        carb -30.1067073   7.5513212 -3.98694566 0.00067029676

# get variables with p value less than 0.05
tm$term[tm$p.value < 0.05]

# [1] "hp"   "wt"   "carb"

主要的优点是,通过将模型的输出获取为数据帧,您可以使用变量名称,而不是变量位置和行名称来操作数据。

我正在使用 options(scipen = 999) 更容易检查过滤是否起作用(即在数据帧中不使用数字的科学表示法)。