Cómo interpretar GAM P-Values?

Question

Mi nombre es Hugo y soy un estudiante de Doctorado en el uso de modelos aditivos generalizados a hacer algunos análisis exploratorio.

No estoy seguro de cómo interpretar los valores de p que provienen de la MGCV paquete y quería comprobar mi entender (yo estoy usando la versión 1.7-29, y han consultados algunos de Simón Madera de la documentación). Miré para otro CV preguntas en primer lugar, pero los más relevantes parecen ser en general regresiones, no GAM los valores de p en particular.

Sé que hay un montón de argumentos diferentes a GAM, y los valores de p son sólo aproximado. Pero estoy empezando simple para ver si hay alguna "señal" de ningún tipo para mi las covariables. E. g.:

Y ~ s(a, k = 3) + s(b, k = 3) + s(c, k = 3) + s(d, k = 3) + s(e, k = 3)

Aproximado de los valores de p de suave términos:

s(a) = 0.000473
s(b) = 1.13 e-05
s(c) = 0.000736
s(d) = 0.887579
s(e) = 0.234017

R2 (ajustado) = 0.62$\quad$ Desviación explicó = 63.7%
GCV puntuación = 411.17$\quad$ de la Escala est. = 390.1$\quad$ n = 120

Me corte el df, columnas, etc., debido al formato. Estoy interpretación los valores de p para cada covariable como una prueba de si el correspondiente función suave reduce significativamente el modelo de la desviación, en donde p es la probabilidad de obtención de los datos, al menos, como "relativamente inverosímil' como la que se observa bajo un modelo nulo de 0.

Esto significaría que (por ejemplo, con alfa = 0,05) el alisado funciones ¿ no reducir la desviación de "d" y "e" frente a un modelo nulo, mientras que ellos hicieron para los otros términos. Por lo tanto (d) y (e) no agregar información significativa a la regresión, y la desviación se explica abajo: (a) (b) (c)?

Cualquier consejo sería muy apreciada, y la mejor de las suertes con su de investigación.

Answer 1

El documento en que se describe cómo funcionan aquí.

Ellos son los p-valores asociados con las pruebas de Wald que toda la función s(.) = 0. Bajos valores de p indican baja probabilidad de que las estrías que conforman la función conjunta de cero.

El complicado cosa acerca de ellos es que incluyen un reducido rango pseudoinverse. El típico test Wald es $\hat f (V_\beta)^{-1} \hat f$. Usted puede ver inmediatamente que esto es una prueba t en el caso univariante (es decir, no de las matrices, pero la beta y la varianza). Esto le da a muy baja potencia en el caso de splines penalizados porque los coefficeints son penalizados. El rango-r pseudoinverse cuentas por ello. El papel es bastante densa, pero una vez que la esencia general -- la mejora de la potencia de una prueba por la contabilidad para la FED en lugar de la matriz de clasificación, se convierte en posible seguir el formalismo.