Ich habe ein glm-Modell in R erstellt und es mithilfe einer Test- und Trainingsgruppe getestet. Ich bin daher zuversichtlich, dass es gut funktioniert. Die Ergebnisse von R sind:
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
Alle p-Werte für die Koeffizienten sind erwartungsgemäß klein.
Wenn ich mir diese Frage ansehe ( Interpretation der Rest- und Nullabweichung in GLM R ), sollte ich in der Lage sein zu berechnen, ob die Nullhypothese unter Verwendung der folgenden Gleichung gilt:
p-value = 1 - pchisq(deviance, degrees of freedom)
Wenn Sie dies einfügen, erhalten Sie:
1 - pchisq(256600, 671266)
[1] 1
Habe ich also Recht, wenn ich denke, dass die Nullhypothese hier nicht verworfen werden kann, obwohl die p-Werte für alle Koeffizienten so klein sind, oder habe ich falsch interpretiert, wie dies zu berechnen ist?
1-pchisq(256600 - 237230, df=(671266 - 671263))
?