用Python解释健壮的线性回归结果

Question

试图了解稳健线性回归的结果。我正在尝试以下代码：

xx = np.random.rand(100, 1 )*50
yy = np.random.rand(100, 1)
rlm_res_fake = sm.RLM(xx, yy, M=sm.robust.norms.TrimmedMean()).fit()
plt.scatter(xx,yy)
plt.plot(xx, rlm_res_fake.params*xx)

print ('pvalue')
print (rlm_res_fake.pvalues)
print ('params')
print (rlm_res_fake.summary())

为什么即使对于显然不相关的随机数据，我也总是得到显着的p值？那不是p值的意思-我们拒绝零斜率的假设吗？