Null ve model sapmalarını kullanarak GLM modelini test edin

R'de bir glm modeli oluşturdum ve bir test ve eğitim grubu kullanarak test ettim, bu yüzden iyi çalıştığından eminim. R'nin sonuçları:

Coefficients:
                            Estimate Std. Error  t value Pr(>|t|)    
(Intercept)               -2.781e+00  1.677e-02 -165.789  < 2e-16 ***
Coeff_A                    1.663e-05  5.438e-06    3.059  0.00222 ** 
log(Coeff_B)               8.925e-01  1.023e-02   87.245  < 2e-16 ***
log(Coeff_C)              -3.978e-01  7.695e-03  -51.689  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for quasibinomial family taken to be 0.9995149)

    Null deviance: 256600  on 671266  degrees of freedom
Residual deviance: 237230  on 671263  degrees of freedom
AIC: NA

Katsayıların tüm p değerleri beklendiği gibi küçük.

Bu soruya bakarak ( GLM R'de Rezidüel ve Null Sapmayı Yorumlamak ), null hipotezinin aşağıdaki denklemi kullanarak tutabildiğini hesaplayabilmeliyim:

p-value = 1 - pchisq(deviance, degrees of freedom)

Bunu yapıştırmak:

1 - pchisq(256600, 671266)
[1] 1

Yani, tüm katsayıların p değerleri çok küçük olsa da ya da bunu nasıl hesaplayacağımı yanlış yorumlamışsam bile, sıfır hipotezinin reddedilemeyeceğini düşünmekte haklı mıyım?

Burada bir yanlış anlaşılma var. Fark sıfır sapma ve modelin sapma arasında ki-kare serbestlik derecesi ile boş dF eşit bir şekilde dağıtılır eksi modelin df. Modeliniz için bu şöyle olur:

1-pchisq(256600 - 237230, df=(671266 - 671263))
# [1] 0

Varsayılan olarak, değerin solundakipchisq() dağılımın oranını verir . Oranı farkınızdan daha fazla elde etmek için sonucu belirtebilir veya çıkarabilirsiniz (sizin ve benim yaptığımız gibi). lower.tail = FALSE$1$