如何在R中提取逻辑回归模型中的显著变量与交互项

1. 筛选所有显著项（主效应+交互项） #

基于你现有的代码，只需添加行筛选逻辑，过滤掉p值高于设定显著性水平（常用0.05，可自行调整）的项即可：

library(broom)

# 提取p<0.05的显著项
significant_terms <- broom::tidy(logmod)[, c("term", "estimate", "p.value")] %>%
  dplyr::filter(p.value < 0.05)

print(significant_terms)

如果你的显著性阈值不是0.05，直接修改filter里的数值就行（比如改成0.01）。

2. 仅提取显著交互项 #

R中逻辑回归的交互项会以:作为分隔符（比如var1:var2），可以通过匹配这个符号来精准筛选交互项：

# 只保留显著的交互项
significant_interactions <- broom::tidy(logmod)[, c("term", "estimate", "p.value")] %>%
  dplyr::filter(p.value < 0.05, grepl(":", term))

print(significant_interactions)

从这些交互项的命名里，就能直接看到涉及的主变量（比如var1:var2对应主变量var1和var2）。

补充：保留更多统计量 #

如果需要标准误、置信区间等额外信息，可以先保留完整输出再筛选：

# 提取带置信区间的显著项
full_significant <- broom::tidy(logmod, conf.int = TRUE) %>%
  dplyr::filter(p.value < 0.05) %>%
  dplyr::select(term, estimate, std.error, p.value, conf.low, conf.high)

内容的提问来源于stack exchange，提问作者Antonio