R中控制输出数值的小数点位数round,和有效数字位数signif

22 篇文章 376 订阅

小数点位数round

round(x, n) # x为数字、n为保留的位置
示例

> x=3.1415926
> round(x,3)
[1] 3.14

如果位数太长,需要科学计数法时,用round会自动变零,不适合

> y=0.000000000013
> round(y,3)
[1] 0

有效数字倍数signif

signif(y, n) # y为数字、n为保留的位置
示例

> y=0.0000000000133
> signif(y,3)
[1] 1.33e-11

是不是你想要的都在这里了

在R语言,当我们使用`summary()`函数对一个线性模型进行汇总时,其会包括F检验的结果。F检验是用于检验线性模型自变量对因变量的影响是否显著的一种统计方法。 在`summary()`函数的输出结果,F检验的结果通常会显示在最后一行。其,F值表示模型拟合的好坏程度,越大表示模型拟合得越好。p值表示F值对应的显著性水平,如果p值小于我们预设的显著性水平(通常为0.05),则表示自变量对因变量的影响是显著的,即可以拒绝零假设。 例如,下面是一个线性回归模型的`summary()`输出结果F检验的部分: ``` Call: lm(formula = y ~ x1 + x2 + x3) Residuals: Min 1Q Median 3Q Max -1.2372 -0.3644 -0.0822 0.3949 1.1455 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.978183 0.104523 9.360 2.39e-13 *** x1 2.057266 0.264188 7.793 3.02e-10 *** x2 -0.093742 0.143621 -0.652 0.516 x3 0.548076 0.103596 5.293 1.29e-06 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.5166 on 46 degrees of freedom Multiple R-squared: 0.6808, Adjusted R-squared: 0.652 F-statistic: 23.81 on 3 and 46 DF, p-value: 1.168e-09 ``` 在这个例子,F检验的结果显示在最后一行,F-statistic为23.81,p-value为1.168e-09。由于p值非常小,远小于0.05的显著性水平,因此我们可以拒绝零假设,即自变量x1、x2和x3对因变量y的影响是显著的。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值