Question

我正在研究Lane（2002）论文中的GLM模型，并且对Gamma-GLM模型的偏差分析有些困惑。

在本文中，p值低于P <0.001，但是如果我们使用报告的偏差以及使用R中的pchisq()函数计算p值的自由度，则可以得到以下结果：

> 1-pchisq(11.1057, 7)
[1] 0.1340744`

而不是本文报道的P <0.001。

我已经复制了数据以在此处的the link复制GLM模型！这是我用来生成结果的代码：

test <- read_csv("data/test_glm_gamma.csv", col_types = cols())

model.test <- glm(soil ~ trt, family = Gamma(link = "log"), data = test)

anova(model.test, test = "Chisq")

返回：

Analysis of Deviance Table

Model: Gamma, link: log

Response: cont

Terms added sequentially (first to last)


     Df Deviance Resid. Df Resid. Dev  Pr(>Chi)    
NULL                    23    11.5897              
trt   7   11.106        16     0.4839 < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

具有与本文相似的偏差，我怀疑P值相似，但这不是之前获得的 0.13 。

在计算P值之前是否进行了任何转换？还是我以错误的方式计算p值？他们如何获得偏差表中的 <2.2e-16 ？

Lane，P.W.（2002）。土壤科学中的广义线性模型。欧洲土壤科学杂志，53，241–251。 https://doi.org/10.1046/j.1365-2389.2002.00440.x

Answer 1

您需要将分散度缩放的偏差传递到pchisq：

p <- pchisq(anova(model.test)$Deviance[2]/
         summary(model.test)$dispersion, 
       anova(model.test)$Df[2], 
       lower.tail = FALSE)

p == anova(model.test, test = "Chisq")$`Pr(>Chi)`[2]
#[1] TRUE

您可以研究stats:::stat.anova的代码，以了解如何计算不同测试的p值。

为什么从偏差表分析得出的p值与pchisq（）估计的p值为何不同？

1 个答案: