Prueba de GLM modelo de uso de null y el modelo deviances

Question

He construido un modelo glm en R y lo he probado utilizando una prueba y grupo de entrenamiento así que estoy seguro de que funciona bien. Los resultados de la investigación son:

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

Todos los valores de p para los coeficientes son pequeñas, como se esperaba.

Mirando a esta pregunta (la Interpretación Residual y Nula la Desviación en GLM R), yo debería ser capaz de calcular si la hipótesis nula que sostiene mediante la siguiente ecuación:

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

Quedo en da:

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

Así que estoy en lo cierto en que pensar que la hipótesis nula no puede ser rechazada aquí, aunque los valores de p para todos los coeficientes son tan pequeñas o he malinterpretado cómo calcular esto?

Answer 1

Hay un malentendido aquí. La diferencia entre el valor null de la desviación y el modelo de la desviación se distribuye como una chi-cuadrado con grados de libertad igual a null df menos el modelo del df. En su modelo, que sería:

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

De forma predeterminada, pchisq() da la proporción de la distribución a la izquierda del valor. Para obtener la proporción más extremo que el de su diferencia, puede especificar lower.tail = FALSE o restar el resultado de $1$ (como usted y yo lo he hecho).