Bagaimana Menafsirkan Nilai-P GAM?

Nama saya Hugh, dan saya seorang mahasiswa PhD yang menggunakan model aditif umum untuk melakukan beberapa analisis eksplorasi.

Saya tidak yakin bagaimana menafsirkan nilai-p yang berasal dari paket MGCV dan ingin memeriksa pemahaman saya (saya menggunakan versi 1.7-29, dan telah berkonsultasi dengan beberapa dokumentasi Simon Wood). Saya pertama-tama mencari pertanyaan CV lainnya, tetapi yang paling relevan tampaknya tentang regresi umum, bukan nilai-p GAM khususnya.

Saya tahu ada banyak argumen berbeda untuk GAM, dan nilai-p hanya perkiraan. Tetapi saya baru mulai dengan mudah untuk melihat apakah ada "sinyal" apa pun untuk kovariat saya. Misalnya:

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

Perkiraan nilai-p dari istilah halus:

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

R ² (disesuaikan) = 0,62$\quad$ Deviance menjelaskan = 63,7%
skor GCV = 411.17 Scale est. = 390.1 n = 120$\quad$$\quad$

Saya memotong kolom df, dll, karena pemformatan. Saya menafsirkan nilai-p untuk setiap kovariat sebagai tes apakah fungsi halus yang sesuai secara signifikan mengurangi penyimpangan model, di mana p adalah probabilitas untuk mendapatkan data setidaknya sebagai 'relatif tidak masuk akal' seperti yang diamati di bawah model nol 0.

Ini berarti bahwa (misalnya dengan alpha = 0,05) fungsi yang dihaluskan tidak mengurangi penyimpangan untuk "d" & "e" vs model nol, sedangkan mereka lakukan untuk istilah lainnya. Oleh karena itu (d) dan (e) tidak menambahkan informasi signifikan ke regresi, dan penyimpangan yang dijelaskan turun ke (a) (b) (c)?

Saran apa pun akan sangat dihargai, dan semoga sukses dengan riset Anda.

Makalah yang menjelaskan cara kerjanya ada di sini .

Nilai p yang terkait dengan uji Wald bahwa seluruh fungsi s (.) = 0. Nilai p rendah menunjukkan kemungkinan rendah bahwa splines yang membentuk fungsi tersebut sama-sama nol.

$\hat f (V_\beta)^{-1} \hat f$