Zbudowałem model GLM w R i przetestowałem go przy użyciu grupy testowej i szkoleniowej, więc jestem pewien, że działa dobrze. Wyniki z R są następujące:
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
Wszystkie wartości p dla współczynników są małe zgodnie z oczekiwaniami.
Patrząc na to pytanie ( Interpretowanie odchylenia rezydualnego i zerowego w GLM R ), powinienem być w stanie obliczyć, czy hipoteza zerowa ma zastosowanie przy użyciu następującego równania:
p-value = 1 - pchisq(deviance, degrees of freedom)
Wciśnięcie tego daje:
1 - pchisq(256600, 671266)
[1] 1
Czy mam zatem rację, sądząc, że nie można tu odrzucić hipotezy zerowej, mimo że wartości p dla wszystkich współczynników są tak małe, czy też źle zinterpretowałem, jak to obliczyć?
1-pchisq(256600 - 237230, df=(671266 - 671263))
?