Mam model regresji dla niektórych szeregów czasowych danych badających wykorzystanie narkotyków. Celem jest, aby dopasować splajn do szeregów czasowych i wypracować 95% CI itp model jest następujący:Wartości współczynników regresji wyodrębnienia
id <- ts(1:length(drug$Date))
a1 <- ts(drug$Rate)
a2 <- lag(a1-1)
tg <- ts.union(a1,id,a2)
mg <-lm (a1~a2+bs(id,df=df1),data=tg)
Wyjście podsumowanie mg
jest:
Call:
lm(formula = a1 ~ a2 + bs(id, df = df1), data = tg)
Residuals:
Min 1Q Median 3Q Max
-0.31617 -0.11711 -0.02897 0.12330 0.40442
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.77443 0.09011 8.594 1.10e-11 ***
a2 0.13270 0.13593 0.976 0.33329
bs(id, df = df1)1 -0.16349 0.23431 -0.698 0.48832
bs(id, df = df1)2 0.63013 0.19362 3.254 0.00196 **
bs(id, df = df1)3 0.33859 0.14399 2.351 0.02238 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Używam Wartość a2
dla sprawdzenia, czy dane będące przedmiotem badania są powiązane.
Czy można wyodrębnić tę wartość z Pr(>|t|)
(w tym modelu 0.33329) i zapisać w skalarnie, aby wykonać test logiczny?
Alternatywnie, czy można to wyjaśnić inną metodą? Obiekt
. @ John - Dlaczego użyłeś 'Pr (> | t |)' wartości 'a2', a nie jednej z pierwszych trzech kolumn? –