R中怎么就选定变量，而不是从线性回归的所有变量（F-测试）得到的p值（显着性水平）？

Question

假设我有一个结果Y（心脏疾病），我很感兴趣，从4个独立变量（A，B，C，d）上Y.此外，我要考虑到年龄和性别信息的影响。所以我的模式是：

model1=lm(Y~A+B+C+D+age+sex,data=MyData,na.action=na.omit)

我知道，从F-测试，我可以得到一个p值表示模型中的所有变量的显着性水平。但是，我能做些什么，如果我只是想获得一个p值只是代表A，B，C，d的显着性水平，从4个MODEL1变量（我仍然有年龄和性别MODEL1）。

非常感谢你。

Answer 1

下面是一个例子，与mtcars数据集。由于我没有数据，我不能准确地重现您的问题。

# 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，在你的代码而言，尝试

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