Uji model GLM menggunakan null dan penyimpangan model

Saya telah membangun model GLM di R dan telah mengujinya menggunakan kelompok pengujian dan pelatihan sehingga saya yakin itu bekerja dengan baik. Hasil dari R adalah:

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

Semua nilai p untuk koefisien kecil seperti yang diharapkan.

Melihat pertanyaan ini ( Menafsirkan Penyimpangan sisa dan Null dalam GLM R ), saya harus dapat menghitung jika hipotesis nol berlaku dengan menggunakan persamaan berikut:

p-value = 1 - pchisq(deviance, degrees of freedom)

Sticking in ini memberi:

1 - pchisq(256600, 671266)
[1] 1

Jadi apakah saya benar dalam berpikir bahwa hipotesis nol tidak dapat ditolak di sini, meskipun nilai p untuk semua koefisien sangat kecil atau apakah saya salah menafsirkan bagaimana menghitung ini?

Ada kesalahpahaman di sini. The perbedaan antara penyimpangan nol dan penyimpangan model didistribusikan sebagai chi-kuadrat dengan derajat kebebasan sama dengan df nol dikurangi df model. Untuk model Anda, itu akan menjadi:

1-pchisq(256600 - 237230, df=(671266 - 671263))
# [1] 0

Secara default, pchisq()berikan proporsi distribusi di sebelah kiri nilai. Untuk mendapatkan proporsi yang lebih ekstrem daripada perbedaan Anda, Anda dapat menentukan lower.tail = FALSEatau mengurangi hasil dari (seperti yang telah Anda dan saya lakukan). $1$