J'ai construit un modèle glm en R et l'ai testé à l'aide d'un groupe de test et de formation, donc je suis convaincu qu'il fonctionne bien. Les résultats de R sont:
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
Toutes les valeurs de p pour les coefficients sont faibles comme prévu.
En regardant cette question ( Interprétation de la déviance résiduelle et nulle dans GLM R ), je devrais être capable de calculer si l'hypothèse nulle tient en utilisant l'équation suivante:
p-value = 1 - pchisq(deviance, degrees of freedom)
Le fait de coller cela donne:
1 - pchisq(256600, 671266)
[1] 1
Ai-je donc raison de penser que l'hypothèse nulle ne peut pas être rejetée ici, même si les valeurs de p pour tous les coefficients sont si petites ou ai-je mal interprété comment calculer cela?
1-pchisq(256600 - 237230, df=(671266 - 671263))
?