R语言使用tab_model输出GEE回归结果时如何自定义p值显著性标记
自定义tab_model显著性标记的配置方法
tab_model的显著性标记规则完全通过p.threshold和p.string两个成对参数控制,不需要修改工具的原生默认逻辑,按要求传入匹配的参数即可实现自定义规则。
参数配置规则
两个参数的传入要求为:
p.threshold:传入按从大到小降序排列的p值临界值,定义p值的显著性分层边界p.string:传入与p.threshold长度完全一致的字符向量,按顺序对应每个临界值触发的显著性标记
对应需求的参数取值
按照要求的标记规则,结合p值越小显著性越高的分层逻辑,整理后的参数为:
- 临界值向量(降序排列):
c(0.5, 0.1, 0.01, 0.001) - 对应标记向量:
c("*", "+", "**", "***")
最终触发的标记分层为: - p > 0.5:无任何标记
- 0.1 < p ≤ 0.5:标记为
* - 0.01 < p ≤ 0.1:标记为
+ - 0.001 < p ≤ 0.01:标记为
** - p ≤ 0.001:标记为
***
实际调用代码
# gee_model为已拟合完成的GEE回归模型对象 tab_model( gee_model, p.threshold = c(0.5, 0.1, 0.01, 0.001), p.string = c("*", "+", "**", "***") )
注意事项
- 无需保留原默认的“固定标记长度为3”的限制,只要
p.threshold和p.string的长度完全匹配,工具会自动按照传入的规则生成标记,不会受原默认配置的约束 - 生成结果后可以对照几个典型p值的标记校验规则是否符合预期,避免顺序颠倒导致的标记错位
内容的提问来源于stack exchange,提问作者IloveR
相关产品推荐
相关产品推荐

