Lectura del modelo resumen de una regresión logística glm en R

Question

Estoy aprendiendo a hacer regresión logística y tengo algunas preguntas sobre la verificación del modelo basado en la salida en R. En primer lugar a continuación se pueden ver los resultados del análisis AIC que eligió el modelo con sólo Almacenamiento como el predictor para ser el más adecuado.

A continuación tenemos el resumen de este modelo candidato.

Así que mi pregunta es, estoy mirando el valor p para el intercepto y parece que no es significativo. ¿Es importante que el intercepto sea significativo dado que a menudo no tiene ningún significado en el contexto del problema? Es decir, ¿es este modelo invalidado por la insignificante y-intercepto? Además, como se trata de una regresión logística, creo haber leído vagamente que estos valores p no se utilizan realmente en la regresión logística. Entonces, ¿qué pasa con el escenario en el que una regresión lineal simple tiene una intersección y insignificante? ¿Es importante?

Fíjese también en la desviación residual. Es sobre dispersiva creo, en 5.173> 4 df. Ahora, ¿qué debo hacer? ¿Ignorar el modelo, aunque AIC dijo que este es el mejor?

Lo siguiente es anova

¿Hay algo que deba extraer de esta lectura? Muchas gracias.

Answer 1

$P$ -valores en GLMs

Utilizando $p$ -para los MLG no es un problema en sí, siempre que se cumplan los supuestos del modelo. $^*$ Sin embargo, primero ha seleccionado el "mejor" modelo basándose en el AICc, por lo que el $p$ -valor de Storage en el modelo resultante ha perdido su significado (usted ya eligió este modelo basándose en la significación de este predictor, por lo que el $p$ -valor está sesgado). Sería mejor que informara del $p$ -valor de Storage en el modelo original, incluyendo todos los demás predictores. De hecho, si su objetivo es informar sobre la significación/tamaño del efecto de estos predictores, entonces no hay necesidad de seleccionar el modelo, ya que podría hacerlo con su modelo completo.

$^*$ : Y como con cualquier prueba de significación, tenga en cuenta que siempre es mejor incluir los tamaños del efecto en lugar de informar $p$ -valores solos.

Significado del intercepto

Esto sólo le indica si la parte lineal del MLG cruza el eje y significativamente lejos de $y = 0$ . $^{**}$ A menos que sea importante para su investigación, puede ignorar esta prueba por completo. Desde luego, no invalida en absoluto su modelo.

$^{**}$ : O más correctamente, $\eta = 0$ la parte lineal del MLG.

Sobredispersión

Es bueno que tenga en cuenta el tamaño de la desviación residual ( $5.173$ ) en comparación con la f.d. residual ( $4$ ) Sin embargo, yo diría que en realidad están bastante próximos entre sí y el $\chi^2$ -El estadístico de sobredispersión sería muy bajo. Como regla general, considere si estas dos cifras están más o menos en el mismo orden de magnitud. Si una es el doble o la decena de veces mayor que la otra, su $p$ -son más fiables utilizando una distribución cuasi-binomial.

---

Importancia en general

Y lo que es más importante, creo que deberías centrarte menos en la importancia. La significación del intercepto no es importante, la insignificancia no es motivo para seleccionar el modelo y la significación de los predictores por sí misma no es muy significativa, para empezar.

Recomiendo echar un vistazo a algunas de las preguntas y respuestas sobre la regresión por pasos (selección de variables en función de la significación) y por qué es casi siempre una mala idea. Un buen punto de partida es aquí y aquí . Puede que en algún curso le hayan enseñado a seleccionar predictores significativos, pero esto es no una buena idea. Para que te hagas una idea, aquí tienes una cita del segundo post enlazado:

[Todos los predictores de un modelo y su supuesta relación causal entre una única exposición de interés y un único resultado de interés deben especificarse a priori. [...] Algunas revistas (y la tendencia se está imponiendo) rechazará sumariamente cualquier artículo que utilice la regresión por pasos para identificar un modelo final (Babyak, 2004), y creo que el problema se ve de forma similar aquí.