我正在使用来自R的MASS库的活检数据集。我正处于创建逻辑回归模型的初始阶段，以查看哪些变量对患有恶性肿瘤的概率有影响。我删除了所有缺少数据的行（大约16个观察值）。所有变量本身都很重要，所以我从包含所有变量的最完整模型开始，第三个变量（V3 - 单元大小的均匀性）在这个最完整的模型中是最不重要的。
我删除了V3创建了另一个模型。然后我想使用anova（）函数来查看两个模型的拟合是否存在显着差异。但是，我从anova测试中得不到p值。这是否意味着p值几乎为1？我在模型设置中的某处出错了吗？
所有输入都表示赞赏！
#post removal of rows with missing data from biopsy in library(MASS)
relevel(biopsy$class, ref = "malignant")
#assigns value of interst to malignant instead of benign.
fullest.model = glm(biopsy$class~biopsy[,2]+biopsy[,3]+biopsy[,4]+biopsy[,5]+
biopsy[,6]+biopsy[,7]+biopsy[,8]+biopsy[,9]+biopsy[,10]
,family = binomial(link = "logit"))
model1 = glm(biopsy$class~biopsy[,2]+biopsy[,4]+biopsy[,5]+
biopsy[,6]+biopsy[,7]+biopsy[,8]+biopsy[,9]+biopsy[,10]
,family = binomial(link = "logit"))
anova(model1, fullest.model)
输出我得到：
Resid. Df Resid. Dev Df Deviance
1 674 102.89
2 673 102.89 1 0.00090001
^看不到p值!!
y = 0.5 * x1 + 4 * x2，我们生成一些样本数据。
# Generate some sample data
x1 <- 1:100;
x2 <- gl(2, 50, 100);
set.seed(2017);
y <- 0.5 * x1 + 4 * as.numeric(x2) + rnorm(100);
fit1估计模型y = beta0 + beta1 * x1的系数，
fit2估计模型y = beta0 + beta1 * x1 + beta2 * x2的系数。
# Fit two models
fit1 <- glm(y ~ x1 + x2);
fit2 <- glm(y ~ x1);
# Default ANOVA (note this does not perform any hypothesis test)
anova(fit1, fit2);
#Analysis of Deviance Table
#
#Model 1: y ~ x1 + x2
#Model 2: y ~ x1
# Resid. Df Resid. Dev Df Deviance
#1 97 112.11
#2 98 213.39 -1 -101.28
# ANOVA with likelihood ratio test
anova(fit1, fit2, test = "Chisq");
#Analysis of Deviance Table
#
#Model 1: y ~ x1 + x2
#Model 2: y ~ x1
# Resid. Df Resid. Dev Df Deviance Pr(>Chi)
#1 97 112.11
#2 98 213.39 -1 -101.28 < 2.2e-16 ***
#---
#Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
请注意，第一次ANOVA比较不执行任何假设检验。它只是计算两个模型之间偏差的变化。第二个ANOVA分析anova(..., test = "Chisq")通过计算观察卡方分布检验统计量（即偏差变化）为极端或更极端的概率，进行似然比检验（与anova(..., test = "LRT")相同）。后一个数量对应于您的假设检验的p值。