我正在使用R包gamlss运行基于GAM的回归,并假设数据的beta分布为零。我只有一个解释变量在我的模型,所以它基本上是:mymodel = gamlss(response ~ input, family=BEZI)
。
该算法给了我系数 对于解释变量对平均值的影响()和相关的p值 , 就像是:
Mu link function: logit
Mu Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -2.58051 0.03766 -68.521 0.000e+00
input -0.09134 0.01683 -5.428 6.118e-08
如上例所示, 被高信心地拒绝了。
然后,我运行空模型:null = gamlss(response ~ 1, family=BEZI)
并使用似然比检验比较似然:
p=1-pchisq(-2*(logLik(null)[1]-logLik(mymodel)[1]), df(mymodel)-df(null)).
在很多情况下,我得到 即使输入的系数据报告非常重要(如上所述)。我发现这很不正常-至少在我的线性或逻辑回归经验中从未发生过(实际上,当我将零调整的伽玛值用于gamlss时也从未发生过)。
我的问题是:在这种情况下,我是否仍然可以相信响应和输入之间的依赖关系?