Làm thế nào để giải thích giá trị P của GAM?

Tên tôi là Hugh và tôi là một sinh viên tiến sĩ sử dụng các mô hình phụ gia tổng quát để thực hiện một số phân tích thăm dò.

Tôi không chắc cách giải thích các giá trị p xuất phát từ gói MGCV và muốn kiểm tra sự hiểu biết của tôi (Tôi đang sử dụng phiên bản 1.7-29 và đã tham khảo một số tài liệu của Simon Wood). Trước tiên tôi đã tìm các câu hỏi CV khác, nhưng những câu hỏi phù hợp nhất dường như là về hồi quy chung, không phải là giá trị p của GAM nói riêng.

Tôi biết có rất nhiều đối số khác nhau đối với GAM và giá trị p chỉ là gần đúng. Nhưng tôi chỉ bắt đầu đơn giản để xem liệu có bất kỳ "tín hiệu" nào cho các đồng biến của tôi không. Ví dụ:

Y ~ s (a, k = 3) + s (b, k = 3) + s (c, k = 3) + s (d, k = 3) + s (e, k = 3)

Giá trị p gần đúng của các điều khoản trơn tru:

s (a) = 0,000473
s (b) = 1,13e-05
s (c) = 0,000736
s (d) = 0,887579
s (e) = 0,234017

R ² (đã điều chỉnh) = 0,62 Deviance đã giải thích = 63,7% điểm số GCV = 411,17 Scale est. = 390,1 n = 120$\quad$
$\quad$$\quad$

Tôi cắt các cột df, vv, do định dạng. Tôi đang diễn giải các giá trị p cho mỗi hiệp phương thức để kiểm tra xem hàm trơn tương ứng có làm giảm đáng kể độ lệch của mô hình hay không, trong đó p là xác suất lấy được dữ liệu ít nhất là "tương đối hợp lý" như được quan sát trong mô hình null bằng 0.

Điều này có nghĩa là (ví dụ với alpha = 0,05), các hàm được làm mịn không làm giảm độ lệch cho "d" & "e" so với mô hình null, trong khi chúng làm cho các điều khoản khác. Do đó (d) và (e) không thêm thông tin quan trọng vào hồi quy và độ lệch được giải thích là xuống (a) (b) (c)?

Bất kỳ lời khuyên sẽ được đánh giá rất cao, và may mắn nhất với nghiên cứu của bạn.

Bài viết mô tả cách họ làm việc ở đây .

Chúng là các giá trị p được liên kết với các kiểm tra Wald rằng toàn bộ hàm s (.) = 0. Giá trị p thấp cho thấy khả năng thấp là các spline tạo nên hàm bằng 0.

Điều phức tạp về chúng là chúng liên quan đến một giả cấp bậc giảm. Thử nghiệm Wald điển hình là . Bạn có thể thấy ngay rằng đây là một thử nghiệm t trong trường hợp đơn biến (nghĩa là không phải ma trận mà là beta và phương sai). Điều này mang lại sức mạnh thực sự thấp trong trường hợp các spline bị phạt vì những đồng phạm đó bị phạt. Các tài khoản giả cấp bậc r cho việc này. Bài viết thực sự khá dày đặc, nhưng một khi bạn có được ý chính chung - cải thiện sức mạnh của một bài kiểm tra bằng cách hạch toán EDF thay vì xếp hạng ma trận - nó có thể đi theo chủ nghĩa hình thức.$\hat f (V_\beta)^{-1} \hat f$