Как получить значение переменной из возврата функции в R

Question

Вот пример:

myFun <- arima(x, order=c(0, 0, 1))
myFun

Когда я бегу, я получаю вывод:

Call:
arima(x = x, order = c(0, 0, 1))

Coefficients:
         ma1  intercept
      0.6023     0.1681
s.e.  0.0827     0.1424

sigma^2 estimated as 0.7958:  log likelihood = -130.7,  aic = 267.39

Я знаю, что могу получить значение aic по myFun$aic,но как я могу получить значение:

• Коэффициенты, ма1, 0,6023
• Коэффициенты, SE, 0,0827
• Коэффициенты, перехват, 0,1681
• sigman ^ 2 приблизительно, 0,7958
• и т. д.

Я искал на странице справки help , но не знаю, как это сделать.

Answer 1

Мы можем использовать tidy/glance из broom, который может извлечь большую часть вывода за один вызов

library(broom)

rowr::cbind.fill(tidy(myFun), glance(myFun))
#       term    estimate  std.error     sigma    logLik      AIC      BIC
#1       ma1 -0.01357280 0.12869087 0.9847428 -140.3565 286.7129 294.5284
#2 intercept  0.07901125 0.09716588 0.9847428 -140.3565 286.7129 294.5284

---

Чтобы получить отдельные компоненты, проще проверить структуру

str(myFun)

тогда мы находим, что это имя list. Таким образом, извлекайте элементы, как при извлечении любых других элементов list, т. Е. С помощью $ или [[ для одного элемента list (по имени или индексу) и [ для нескольких элементов

Для получения дополнительной информации, мы можем проверить эту ссылку , а также

* * Данные тысяча двадцать-один

set.seed(24)
x <- rnorm(100)
myFun <- arima(x, order=c(0, 0, 1))

Answer 2

Чтобы получить коэффициенты, вы можете сделать coef(myFun) или myFun$coef

myFun$coef
#      ma1 intercept 
#0.9999998 5.4999988 

Сигма ^ 2, оцененная

myFun$sigma2
#[1] 2.750001

и стандартная ошибка

sqrt(diag(vcov(myFun)))
#      ma1 intercept 
#0.3162275 1.0041626 

и логарифмическая вероятность

myFun$loglik
#[1] -20.44634

данные

myFun <- arima(1:10, order=c(0, 0, 1))
myFun

#Call:
#arima(x = 1:10, order = c(0, 0, 1))

#Coefficients:
#         ma1  intercept
#      1.0000     5.5000
#s.e.  0.3162     1.0042

#sigma^2 estimated as 2.75:  log likelihood = -20.45,  aic = 46.89