我叫休,我是一名使用广义加性模型进行探索性分析的博士研究生。
我不确定如何解释来自MGCV软件包的p值,并想检查我的理解(我使用的是1.7-29版,并已查阅了Simon Wood的一些文档)。我首先寻找了其他简历问题,但最相关的问题似乎与一般回归有关,尤其不是GAM p值。
我知道GAM有很多不同的参数,而p值仅是近似值。但是,我只是简单地开始看看我的协变量是否存在任何“信号”。例如:
Y〜s(a,k = 3)+ s(b,k = 3)+ s(c,k = 3)+ s(d,k = 3)+ s(e,k = 3)
平滑项的近似p值:
s(a)= 0.000473
s(b)= 1.13e-05
s(c)= 0.000736
s(d)= 0.887579
s(e)= 0.234017
ř ²(调整)= 0.62 解释的偏差= 63.7%
GCV分数= 411.17 规模估算值= 390.1 n = 120
由于格式化,我剪切了df列等。我将每个协变量的p值解释为测试相应的平滑函数是否显着降低模型偏差,其中p是获得数据的概率至少与在零模型0下观察到的“相对不可信”。
这将意味着(例如,在alpha = 0.05的情况下)与零模型相比,平滑函数不会减小“ d”和“ e”的偏差,而对于其他项却会减小。因此,(d)和(e)不会在回归中添加重要信息,并且解释的偏差可归结为(a)(b)(c)?
任何建议将不胜感激,并祝您研究顺利。