Mi nombre es Hugh, y soy un estudiante de doctorado que usa modelos aditivos generalizados para hacer un análisis exploratorio.
No estoy seguro de cómo interpretar los valores p que provienen del paquete MGCV y quería verificar mi comprensión (estoy usando la versión 1.7-29, y he consultado parte de la documentación de Simon Wood). Primero busqué otras preguntas de CV, pero las más relevantes parecen ser sobre regresiones generales, no valores p de GAM en particular.
Sé que hay muchos argumentos diferentes para GAM, y los valores p son solo aproximados. Pero estoy empezando simple para ver si hay alguna "señal" para mis covariables. P.ej:
Y ~ s (a, k = 3) + s (b, k = 3) + s (c, k = 3) + s (d, k = 3) + s (e, k = 3)
Valores p aproximados de términos suaves:
s (a) = 0.000473
s (b) = 1.13e-05
s (c) = 0.000736
s (d) = 0.887579
s (e) = 0.234017
R ² (ajustada) = 0,62 Desviación explicada = 63.7%
puntaje GCV = 411.17 Escala est. = 390,1 n = 120
Corté las columnas df, etc., debido al formateo. Estoy interpretando los valores p para cada covariable como una prueba de si la función suave correspondiente reduce significativamente la desviación del modelo, donde p es la probabilidad de obtener datos al menos tan `` relativamente inverosímil '' como la observada en un modelo nulo de 0.
Esto significaría que (por ejemplo, con alfa = 0.05) las funciones suavizadas no redujeron la desviación para "d" y "e" frente a un modelo nulo, mientras que lo hicieron para los otros términos. Por lo tanto (d) y (e) no agregan información significativa a la regresión, y la desviación explicada se reduce a (a) (b) (c)?
Cualquier consejo sería muy apreciado, y la mejor de las suertes con su investigación.